Les calculs du rapport de cotes JMP ne correspondent pas aux miensJe suis nouveau sur JMP (version 16.1). J'utilise un modèle de régression logistique binomiale. J'ai configuré la sortie du modèle pour inclure les estimations de paramètres et les rapports de cotes. Lorsque je prends les logodds des estimations de paramètres et que je les expose dans Excel afin d'obtenir les rapports de cotes, ils ne correspondent pas à la sortie du rapport de cotes dans JMP.
Mes estimations de paramètres montrent que les limites de confiance sont basées sur Wald, et sous les rapports de cotes, il est indiqué que les tests et les intervalles de confiance sont également basés sur Wald.
Quelqu'un a-t-il une idée de la raison pour laquelle mes calculs diffèrent de ceux de JMP ? Comment JMP calcule-t-il les odds ratios ?
Exemple:
Sortie JMP :
| Terme | Estimation | Erreur standard | Chi carré | Prob>ChiSq | Inférieur à 95 % | Supérieur 95 % |
| Intercepter | 2.460656 | 1.570863 | 2,45 | 0,1172 | -0,61818 | 5.539491 |
| Âge | -0,03287 | 0,021537 | 2.33 | 0,127 | -0,07508 | 0,009342 |
| Sexe[Femme] | -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 |
| Vitesse | -0,01883 | 0,017697 | 1.13 | 0,2874 | -0,05351 | 0,015859 |
| Tout retenir[Aucun] | -0,43613 | 0,269435 | 2,62 | 0,1055 | -0,96422 | 0,09195 |
Mes calculs de ratio de cotes :
| Terme | Estimation | Rapport de cotes |
| Intercepter | 2.460656 | 11.71249 |
| Âge | -0,03287 | 0,967665 |
| Sexe[Femme] | -0,05266 | 0,948703 |
| IMC | -0,0674 | 0,934823 |
| Vitesse | -0,01883 | 0,98135 |
| Tout retenir[Aucun] | -0,43613 | 0,646532 |
Rapports de cotes de JMP
| Rapports de cotes unitaires | | | | |
| Terme | Rapport de cotes | Inférieur à 95 % | Supérieur 95 % | Réciproque |
| Âge | 0,967665 | 0,927669 | 1.009386 | 1.033415 |
| IMC | 0,934823 | 0,860925 | 1.015063 | 1.069722 |
| Vitesse | 0,98135 | 0,947896 | 1.015985 | 1.019004 |
| Rapports de cotes de plage | | | | |
| Terme | Rapport de cotes | Inférieur à 95 % | Supérieur 95 % | Réciproque |
| Âge | 0,235452 | 0,036752 | 1.508409 | 4.247151 |
| IMC | 0,073658 | 0,003042 | 1.783541 | 13.57625 |
| Vitesse | 0,183722 | 0,008099 | 4.167436 | 5.443015 |
| Rapports de cotes pour le sexe | | | | | |
| Niveau 1 | /Niveau 2 | Rapport de cotes | Prob>Chisq | Inférieur à 95 % | Supérieur 95 % |
| Mâle | Femelle | 1.111064 | 0,8225 | 0,442791 | 2.787911 |
| Femelle | Mâle | 0,900038 | 0,8225 | 0,358692 | 2,2584 |
| Rapports de cotes pour la contention totale | | | | | |
| Niveau 1 | /Niveau 2 | Rapport de cotes | Prob>Chisq | Inférieur à 95 % | Supérieur 95 % |
| Ceinture de sécurité | Aucun | 2.392325 | 0,1055 | 0,832019 | 6.878711 |
| Aucun | Ceinture de sécurité | 0,418004 | 0,1055 | 0,145376 | 1.201896 |
Merci d'avance!
Analyse et modélisation des données de baseRe : Les calculs du rapport de cotes JMP ne correspondent pas aux miens@ron_horne , vous êtes un gentleman et un érudit. Cela a fonctionné à merveille !
Merci pour votre aide,
Greg
Re : Les calculs du rapport de cotes JMP ne correspondent pas aux miensSalut @GregPeq ,
non, définissez simplement Sex and Restraint All comme ordinal et effectuez le même calcul (y compris vos propres rapports de cotes), cela devrait vous amener aux mêmes rapports de cotes que JMP.
Ron
Re : Les calculs du rapport de cotes JMP ne correspondent pas aux miensMerci pour votre réponse, @ron_horne .
Ma variable de réponse est binomiale. Êtes-vous en train de dire que je devrais attribuer un type de modélisation ordinale à cette variable dans JMP et réserver le type de modélisation nominal aux variables multinomiales (non ordinales) ? Cela n'obligerait-il pas JMP à exécuter une régression logistique ordinale plutôt qu'une régression logistique binomiale ?
Merci,
Greg
Re : Les calculs du rapport de cotes JMP ne correspondent pas aux miensSalut @GregPeq ,
le tableau des rapports de cotes est le moyen le plus simple et le plus garanti d'obtenir les contrastes corrects entre les catégories.
la raison pour laquelle votre calcul semble incorrect est que vous avez utilisé l'échelle « nominale » pour la catégorie. si vous utilisez "Ordinal", vous obtiendrez exactement la même valeur que dans le tableau des contrastes. cela est dû au fait que lorsque des valeurs nominales sont utilisées, JMP estime les coefficients comme étant la différence par rapport à une catégorie moyenne non pondérée. cela a beaucoup plus de sens lorsqu'il existe de nombreuses catégories. lorsqu'une variable est ordinale, les coefficients sont estimés comme la différence par rapport à la catégorie précédente.
pour plus d'informations sur les définitions des variables catégorielles, vous pouvez suivre cette discussion du passé :
équivalence de modèle avec SAS
Faites-nous savoir si cela fonctionne pour vous,
Ron
