두 개의 피팅 된 비선형 곡선이 통계적으로 다른지 어떻게 테스트 할 수 있습니까?안녕하세요,
누군가 나를 도와 줄 수 있습니까?
저는 21 개의 작은 볼륨으로 3 개의 다른 방향으로 특정 기능 (Open Porosity)을 결정하기위한 실험을했습니다.
그래서 저는 21 개의 볼륨을 가지고 있고 각각의 볼륨은 3 개의 값, 즉 열린 다공성 값의 3 배를 산출했습니다.
데이터를 통해 비선형 곡선을 피팅했으며 이제 서로 크게 다른지 알고 싶습니다.
이것이 JMP에서 가능합니까?
여기서 나는 모델 y = a * x ^ b를 장착했고, JMP는 모델 매개 변수 (a와 b)의 가능한 최상의 추정치를 제공했습니다. 측정 값은 여기에 표시되지 않았으며, 이는 3 방향으로 피팅 된 비선형 곡선 일뿐입니다.
여기에서 다시 3 개의 곡선을 피팅했지만 다른 모델에서는 피팅에 필요한 모델 매개 변수가 하나뿐이었습니다.
곡선이 매우 유사하고 아마도 크게 다르지 않을 것임을 알고 있지만 100 % 확실하게 알고 있어야하며 통계적으로 다른지 여부를 테스트하는 전략도 필요합니다.
미리 감사드립니다!
해석학제도법Re : 두 개의 피팅 된 비선형 곡선이 통계적으로 다른지 어떻게 테스트 할 수 있습니까?안녕하세요,
Fit Curve 플랫폼 (표준 비선형 모델)을 사용하는 경우 적합한 모델에 대해 Test Parallelism, Compare Parameter Estimates 및 Equivalence Test 옵션이 있습니다.
비선형 플랫폼 (고객 비선형 모델)을 사용하는 경우 모수 추정값에 대한 신뢰 구간을 계산하는 옵션이 있습니다. 겹치지 않는 신뢰 구간은 통계적 유의성의 지표로 사용할 수 있습니다.
자세한 내용은 이러한 플랫폼에 대한 도움말 문서를 참조하십시오.
문안 인사,
필Re : 두 개의 피팅 된 비선형 곡선이 통계적으로 다른지 어떻게 테스트 할 수 있습니까?안녕 필,
답변 해 주셔서 감사합니다!
비선형 플랫폼 (Analyze> Specialized modeling> Non-lineair)을 사용했는데 크게 다른지 확인하기 위해 적용 할 수있는 테스트가 있습니까?
아니면 모수 추정치에 대한 신뢰 구간이이를 테스트하는 데 사용할 수있는 유일한 방법입니까?
문안 인사,
빈셀
Re : 두 개의 피팅 된 비선형 곡선이 통계적으로 다른지 어떻게 테스트 할 수 있습니까?나는 통계적 유의성을 테스트하기위한 다른 기능을 알지 못합니다. Fit Curve 플랫폼에서 언급 한 것 외에도.
Fit Curve를 사용하여 모델에 맞는지 확인할 수 있습니다. 또는 Fit Curve에서 테스트에 대한 통계 세부 정보를보고 비선형 결과에 적용 할 수 있습니다.
통계적 유의성 차이를 검정하기 위해 신뢰 구간을 사용하는 데 문제가 있습니까?
Re : 두 개의 피팅 된 비선형 곡선이 통계적으로 다른지 어떻게 테스트 할 수 있습니까?곡선 유사성은 복잡한 주제이며 목표가 무엇인지에 따라 다릅니다.
- 적합 곡선 자체가 통계적으로 유사하다는 결론을 내리고 싶습니까?
- 모델의 모수 추정치에 물리적 의미가 있으며 모수 추정치에 집중하여 유사성을 입증 할 수 있습니까?그렇다면 신뢰 구간은 헉 언급이 사용될 수 있습니다.그러나 비선형 모델에서 모수 추정치는 상관 관계가있는 경향이있어 통계적으로 약간의 문제가 발생합니다.
- 곡선 자체가 중요합니까, 아니면 각 조건에 대한 데이터 프로파일의 유사성에 대한 것입니까?데이터가 X 변수에 정렬되어 있으면 각 조건에 대한 Y 값 간의 분포 차이 만 볼 수 있습니다.
특정 문제의 경우 더 쉬운 접근 방식은 방정식의 양변에 대한 로그를 취하여 모델을 선형화하는 것입니다.
로그 (Y) = A + B 로그 (X)
비선형 모델에서 A = log (a) 및 B = log (b).
그런 다음 매우 표준적인 공분산 분석을 사용하여 로그-로그 모델의 기울기와 절편을 비교할 수 있습니다 (첨부 된 예 참조).
Re : 두 개의 피팅 된 비선형 곡선이 통계적으로 다른지 어떻게 테스트 할 수 있습니까?기여한 모든 것 외에도 헉 과 안녕하세요. , "... 100 % 확실 함"이 필요하다고 말합니다. 내 질문은 '무엇'을 100 % 확신합니까? 모든 유의성 테스트는 의사 결정자가 "통계적 유의성"을 선언하기 위해 해당 통계에 대한 테스트 통계 및 임계 값을 선택하도록합니다. 그 중요한 가치를 선택하는 것은 전적으로 의사 결정권자의 선택이지만 유형 I 및 유형 II 오류에 대한 논의도 시작됩니다. 따라서 매개 변수 추정치 '유의성'에 대한 진술을 할 때 100 % 확신 할 수 없습니다.
