Die Vorhersagewerte des Vorhersageprofilers stimmen nicht mit den tatsächlichen Daten übereinHallo,
Erlauben Sie mir bitte, eine dumme Frage zu stellen.
Ich habe gerade festgestellt, dass die Y-Achsenwerte des Vorhersageprofils nicht mit den tatsächlichen Daten übereinstimmen.
Ich habe eine faktorielle Analyse mit tatsächlichen Daten durchgeführt und hatte Vorhersageprofiler.
Wenn ich die tatsächlichen Daten mit den Vorhersagewerten vergleiche, sind die Werte unterschiedlich.
Ich habe zum Beispiel tatsächliche Daten von 5 % für 100 g A-, 50 g B- und 100 ug C-Zustand. Bei den Vorhersageprofilern mit derselben Bedingung beträgt der Wert jedoch 20 %.
Wie kann ich in diesem Fall Vorhersageprofiler analysieren und nutzen? Und sind meine Vorhersageprofiler zuverlässig?
Ich entschuldige mich für das Fehlen von Beispielen oder Screenshots. Ich darf meine Daten nicht weitergeben.
Frohes Neues Jahr!
Datenexploration und -visualisierungQualitäts- und VerfahrenstechnikBetreff: Die Vorhersagewerte des Vorhersageprofilers stimmen nicht mit den tatsächlichen Daten übereinFür mich hört es sich so an, als ob Sie nach Streudiagrammen Ihrer Daten suchen. Komplizierte Systeme mit vielen Faktoren/unabhängigen Variablen erfordern natürlich eine komplexere Analyse. Bei mehreren sich ändernden Faktoren kann ein einfaches Streudiagramm die Auswirkungen verbergen.
Hier ist ein weiteres einfaches Beispiel:
X1 X2 Y
10 1 80
10 2 90
20 1 90
20 2 80
Eine grafische Darstellung dieser Daten zeigt, dass X1 keine Auswirkungen hat:
Aber das ist naiv. Wenn ich die Punkte basierend auf Variable):
X1 hat tatsächlich einen Effekt, es hängt nur davon ab, welchen Wert X2 hat, um ihn zu sehen. Was aber, wenn Sie DREI Faktoren haben (z. B. einen X3)? Die Einfärbung der Punkte wird komplexer und macht die Zusammenhänge schwer erkennbar.
Das bloße Plotten der Daten reicht nicht aus. Sie müssen auf einen Modellierungsansatz umsteigen.
Sogar Ihr Kommentar zu meinem allerersten Beispiel, bei dem ich wollte, dass der Profiler sagt, dass die Antwort 90-94 ist (übrigens, was würden Sie eigentlich vorhersagen?), wenn X=10 oder vielleicht breiter, basierend auf Konfidenzintervallen. Diese Konfidenzintervalle basieren auf einem Modell. Wenn Sie mit einer modellierenden Denkweise arbeiten, werden Diagramme viel klarer (der Profiler gibt eine tatsächliche Vorhersage). Modelle erstrecken sich natürlich auf kompliziertere Situationen und größere Datensätze, was Diagramme der Rohdaten nicht können (oder zumindest nicht gut können). Die Modelle werden QUANTIFIZIEREN, wie groß die synergistischen Effekte sind, und bieten eine Methode zum TESTEN, ob sie signifikant oder größer als der Zufallsfehler in den Daten sind. Mit guten Modellen können Sie „Was wäre wenn“-Szenarien erkunden, ohne ständig weitere Tests in einem Labor durchführen zu müssen.
Ich empfehle den Modellierungsansatz mit Diagrammen des Modells statt Diagrammen nur der Rohdaten. Die Modelle geben Ihnen mehr Einblick in die Datenaussagen. Arbeiten Sie an der Verbesserung Ihres Modells, anstatt nach einer anderen Möglichkeit zu suchen, die Daten „grafisch darzustellen“. Wenn Ihnen die Modelle nicht viel sagen, können die Daten möglicherweise auch nicht viel sagen. Hier können Sie beispielsweise berücksichtigen, dass Messfehler nicht ordnungsgemäß berücksichtigt wurden oder dass die Bereiche Ihrer Faktoren nicht groß genug waren, um die Auswirkungen der Variablen darzustellen. Viel Glück auf Ihrem Weg, einige Erkenntnisse aus Ihren Daten zu gewinnen!
Betreff: Die Vorhersagewerte des Vorhersageprofilers stimmen nicht mit den tatsächlichen Daten übereinSie müssen ein Modell mit A-, B- und A*B-Termen verwenden, um die Auswirkungen der Faktoren A und B abzuschätzen und zu testen. Sie können ein solches Modell nicht mit einer der vier Plattformen verwenden, die über das Dialogfeld „Y nach X anpassen“ gestartet werden. Sie müssen das Dialogfeld „Modell anpassen“ verwenden, um eine der verfügbaren Anpassungspersönlichkeiten mit dem linearen Prädiktor zu starten, der den Term für die Interaktion enthält.
Betreff: Die Vorhersagewerte des Vorhersageprofilers stimmen nicht mit den tatsächlichen Daten übereinVielen Dank, dass Sie mich beraten haben! Ich habe es besser verstanden.
Ich hatte erwartet, dass die Vorhersageprofiler tatsächliche Datenpunkte haben, zum Beispiel:
X Y
10 90
10 94
20 70
20 74
Wenn ich dann bei den Vorhersageprofilern X auf 10 setze, liegt Y im Bereich von 90–94 oder kann mit seinen vertraulichen Intervallen breiter sein.
Aber als ich den tatsächlichen Datenpunkt eingegeben habe, weichen die Y-Werte stark von den beobachteten Werten ab. Ich habe zwei Experimente durchgeführt, um mehr Datenpunkte (X und Y) innerhalb des Bereichs zu haben (zum Beispiel: X; 10, 12, 14, 16, 18 und 20), aber die Vorhersagewerte sind immer noch sehr weit von den beobachteten Werten entfernt .
Meine Versuchsdaten befassen sich mit dem Zellüberleben als Reaktion auf synergistische Effekte mehrerer Medikamente.
Ich wünschte, ich könnte „Fit Y by X“ verwenden. Ich denke, das würde am besten funktionieren.
Gibt es eine Möglichkeit, Fit Y by X für mehrere Xs zu verwenden und auf synergistische Effekte zu analysieren?
Grüße,
Betreff: Die Vorhersagewerte des Vorhersageprofilers stimmen nicht mit den tatsächlichen Daten übereinIch möchte hier auf etwas eingehen, das Sie zuvor erwähnt haben. Sie wollten den Profiler für „tatsächliche Daten“ verwenden. Um es klarzustellen: Das ist nicht wirklich möglich. Denken Sie an dieses einfache Beispiel:
X Y
10 90
10 94
20 70
20 74
Auf welchem Wert von Y sollte sich der Profiler befinden, wenn X=10? Die logische Wahl ist 92, aber das ist der erwartete Mittelwert für die Antwort basierend auf einem Modell. Wie sollte außerdem der Y-Wert sein, wenn X=15? Ohne Model geht das nicht.
Der richtige abgekürzte Prozess auf einem sehr hohen Niveau ist also:
1) Erfassen Sie Ihre Daten (davor sollten viele Schritte erfolgen, um sicherzustellen, dass die richtigen Daten auf die richtige Art und Weise erfasst werden usw.).
2) Passen Sie ein Modell an Ihre Daten an (das Modell basiert auf Schritt 1 und allen Ihren vor Schritt 1 besprochenen Annahmen und Problemen).
3) Bewerten Sie die Passform Ihres Modells. Wenn das Modell nicht gut passt, sollten Sie den Profiler nicht verwenden, da er dann nicht genau ist.
4) Wenn das Modell gut passt, verwenden Sie den Profiler, um einige Vorhersagen zu generieren.
5) **** SEHR WICHTIGER SCHRITT ***** ÜBERPRÜFEN, ob das Modell die zukünftigen Daten vorhersagt. Ihr Modell passt möglicherweise zu den Daten, die zum Erstellen des Modells verwendet wurden – es sollte auf Schritt 3 basieren. Aber wird es zukünftige Beobachtungen vorhersagen? Ich weiß es nicht, bis Sie es überprüft haben. Je nach Situation und Umständen gibt es dafür mehrere mögliche Ansätze, aber diese Themen werden in vielen Büchern über prädiktive Modellierung behandelt.
Betreff: Die Vorhersagewerte des Vorhersageprofilers stimmen nicht mit den tatsächlichen Daten übereinDanke schön! Ich habe auch verschiedene Transformationen ausprobiert. Seltsamerweise zeigt die reziproke Transformation Vorhersagewerte, die nahe an den beobachteten Werten liegen.
Ich habe jede Gleichung überprüft, aber der Reziprokwert ergibt für die Daten zur Arzneimitteltoxizität keinen Sinn.
Bedeutet das, dass meine Vorhersageprofiler für zukünftige experimentelle Daten nicht anwendbar wären?
Ich belasse den Link zur JMP-Hilfe für Transformationsspalten zur späteren Referenz
https://www.jmp.com/support/help/en/15.2/?os=win&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/transform-columns.shtml
.
Betreff: Die Vorhersagewerte des Vorhersageprofilers stimmen nicht mit den tatsächlichen Daten übereinSie können versuchen, die Logit-Transformation im Startdialog „Modell anpassen“ auf die Antwort anzuwenden. Stellen Sie sicher, dass die tatsächlichen numerischen Datenwerte 0 bis 1 und nicht 0 % bis 100 % sind. Sie können Werte von 0 bis 1 eingeben und dann das Format ändern (wählen Sie Spalten > Spalteninformationen > Format > Prozent), um 0 % bis 100 % anzuzeigen.
Die Logit-Funktion sollte die lineare Regression glücklich machen (sie geht davon aus, dass -infinity < Y < infinity), aber die Rücktransformation wird auf 0 bis 1 begrenzt.
Betreff: Die Vorhersagewerte des Vorhersageprofilers stimmen nicht mit den tatsächlichen Daten übereinJa, es sind die Fit Lease Squares. Ich entschuldige mich für die Verwirrung.
Ja, ich betrachte die prozentuale Reaktion (ob wie viel % der Zellen lebend oder tot sind) nach kontinuierlichen Faktoren A, B und C.
Es gibt synergistische Wirkungen von Medikamenten, aber wir wissen nicht, dass es sich bei den Wirkungen um lineare oder nichtlineare Korrelationen handelt
Ich habe weitere Fragen
1. Selbst wenn ich die Vorhersageprofiler mit den beobachteten Daten durchführe, wären die Vorhersageprofiler anders? (Der Profiler zeigt wirklich kleine vertrauliche Intervalle, aber die beobachteten Werte liegen außerhalb des Bereichs)
2. Ich möchte wissen, wie ich diese Profiler reparieren kann. Könnten Sie mir bitte einen Rat geben, wie das geht?
Grüße,
Betreff: Die Vorhersagewerte des Vorhersageprofilers stimmen nicht mit den tatsächlichen Daten übereinDer Vorhersageprofiler basiert auf einem Modell, entweder dem aktuellen Modell in einer der passenden Plattformen oder einem Modell, das als Spaltenformel gespeichert wurde. Meinen Sie mit „Faktoranalyse“, dass Sie die Anpassungsplattform „Fit Least Squares“ verwendet und den Vorhersageprofiler auf dieser Plattform geöffnet haben?
Angenommen, Ihre Antwort lautet „Ja“, dann zwei Gedanken:
- Die Vorhersagen stimmen selten mit den beobachteten Werten überein, da die Beobachtung statistische Fehler (individuell) enthält und die Vorhersage die erwartete mittlere Antwort ist.
- Wenn der Unterschied ungewöhnlich groß erscheint, ist Ihr Modell möglicherweise verzerrt oder die Schätzungen der Parameter sind verzerrt.Modellieren Sie die prozentuale Reaktion im Vergleich zu den kontinuierlichen Faktoren A, B und C oder behandeln Sie sie als kategoriale Faktoren? Gibt es eine Interaktion oder einen nichtlinearen Effekt auf die Reaktion, der nicht modelliert ist?
