Los cálculos del índice de probabilidades del JMP no coinciden con los míosSoy nuevo en JMP (versión 16.1). Estoy ejecutando un modelo de regresión logística binomial. Tengo el resultado del modelo configurado para incluir estimaciones de parámetros y ratios de probabilidades. Cuando tomo los logodds de las estimaciones de los parámetros y los exponencio en Excel para obtener los índices de probabilidades, no coinciden con el resultado del índice de probabilidades en JMP.
Mis estimaciones de parámetros muestran que los límites de confianza se basan en Wald, y en Odds Ratios dice que las pruebas y los intervalos de confianza también se basan en Wald.
¿Alguien tiene alguna idea de por qué mis cálculos difieren de los JMP? ¿Cómo calcula JMP los odds ratios?
Ejemplo:
Salida JMP:
| Término | Estimar | Error estándar | ChiCuadrado | Prob>ChiSq | Bajar 95% | 95% superior |
| Interceptar | 2.460656 | 1.570863 | 2.45 | 0.1172 | -0.61818 | 5.539491 |
| Edad | -0.03287 | 0.021537 | 2.33 | 0,127 | -0.07508 | 0.009342 |
| Sexo[Mujer] | -0.05266 | 0.234692 | 0,05 | 0.8225 | -0.51265 | 0.407328 |
| IMC | -0.0674 | 0.042016 | 2.57 | 0.1087 | -0.14975 | 0.014951 |
| Velocidad | -0.01883 | 0.017697 | 1.13 | 0.2874 | -0.05351 | 0.015859 |
| Restricción Todo[Ninguno] | -0.43613 | 0.269435 | 2.62 | 0,1055 | -0.96422 | 0.09195 |
Mis cálculos de probabilidades:
| Término | Estimar | Razón de probabilidades |
| Interceptar | 2.460656 | 11.71249 |
| Edad | -0.03287 | 0.967665 |
| Sexo[Mujer] | -0.05266 | 0.948703 |
| IMC | -0.0674 | 0.934823 |
| Velocidad | -0.01883 | 0.98135 |
| Restricción Todo[Ninguno] | -0.43613 | 0.646532 |
Odds Ratios de JMP
| Odds ratios unitarias | | | | |
| Término | Razón de probabilidades | Bajar 95% | 95% superior | Recíproco |
| Edad | 0.967665 | 0.927669 | 1.009386 | 1.033415 |
| IMC | 0.934823 | 0.860925 | 1.015063 | 1.069722 |
| Velocidad | 0.98135 | 0.947896 | 1.015985 | 1.019004 |
| Razones de probabilidades de rango | | | | |
| Término | Razón de probabilidades | Bajar 95% | 95% superior | Recíproco |
| Edad | 0,235452 | 0.036752 | 1.508409 | 4.247151 |
| IMC | 0.073658 | 0.003042 | 1.783541 | 13.57625 |
| Velocidad | 0.183722 | 0.008099 | 4.167436 | 5.443015 |
| Odds ratios para el sexo | | | | | |
| Nivel 1 | /Nivel 2 | Razón de probabilidades | Prob>Chisq | Bajar 95% | 95% superior |
| Masculino | Femenino | 1.111064 | 0.8225 | 0.442791 | 2.787911 |
| Femenino | Masculino | 0.900038 | 0.8225 | 0.358692 | 2.2584 |
| Odds ratios para la restricción Todos | | | | | |
| Nivel 1 | /Nivel 2 | Razón de probabilidades | Prob>Chisq | Bajar 95% | 95% superior |
| Cinturón de seguridad | Ninguno | 2.392325 | 0,1055 | 0.832019 | 6.878711 |
| Ninguno | Cinturón de seguridad | 0.418004 | 0,1055 | 0,145376 | 1.201896 |
¡Gracias de antemano!
Análisis y modelado de datos básicosRe: Los cálculos del índice de probabilidades de JMP no coinciden con los míos@ron_horne , eres un caballero y un erudito. ¡Esto funcionó a las mil maravillas!
Gracias por tu ayuda,
Greg
Re: Los cálculos del índice de probabilidades de JMP no coinciden con los míosHola @GregPeq ,
no, simplemente defina Sexo y Restricción Todo como ordinal y realice el mismo cálculo (incluidos sus propios índices de probabilidades). Esto debería llevarle a los mismos índices de probabilidades de JMP.
ron
Re: Los cálculos del índice de probabilidades de JMP no coinciden con los míosGracias por su respuesta, @ron_horne .
Mi variable de respuesta es binomial. ¿Está diciendo que debería asignar un tipo de modelado ordinal a esta variable en JMP y reservar el tipo de modelado nominal para variables multinomiales (no ordinales)? ¿No causaría esto que JMP ejecutara una regresión logística ordinal en lugar de una regresión logística binomial?
Gracias,
Greg
Re: Los cálculos del índice de probabilidades de JMP no coinciden con los míosHola @GregPeq ,
La tabla de odds ratio es la forma más fácil y garantizada de obtener los contrastes correctos entre las categorías.
La razón por la que su cálculo parece incorrecto es que ha estado utilizando la escala "Nominal" para las categorías. si usa "Ordinal", obtendrá exactamente el mismo valor que en la tabla de contrastes. esto se debe al hecho de que cuando se utilizan valores nominales, JMP estima los coeficientes como diferencia con respecto a una categoría promedio no ponderada. Esto tiene mucho más sentido cuando hay muchas categorías. cuando una variable es ordinal, los coeficientes se estiman como la diferencia con la categoría anterior.
Para obtener más información sobre las definiciones de variables categóricas, puede seguir esta discusión del pasado:
equivalencia de modelo con SAS
Háganos saber si funciona para usted,
ron
