Les valeurs de prédiction du profileur de prédiction ne correspondent pas aux données réellesBonjour,
S'il vous plaît, permettez-moi de poser une question stupide.
Je viens de réaliser que les valeurs de l'axe Y du profileur de prédiction ne correspondent pas aux données réelles.
J'ai effectué une analyse factorielle avec des données réelles et j'ai eu des profileurs de prédiction.
Lorsque j'ai comparé les données réelles avec les valeurs de prédiction, les valeurs sont différentes.
Par exemple, j'ai des données réelles à 5 % pour 100 g de A, 50 g de B et 100 ug de C. Cependant, sur les profileurs de prédiction avec la même condition, la valeur est de 20 %.
Dans ce cas, comment puis-je analyser et utiliser les profileurs de prédiction ? et mes profileurs de prédiction sont-ils fiables ?
Toutes mes excuses pour le manque d'exemples ou de captures d'écran. Je ne suis pas autorisé à partager mes données.
Bonne année!
AnalytiqueTableau de donnéesBICHERe : Les valeurs de prédiction du profileur de prédiction ne correspondent pas aux données réellesLe profileur de prédiction est basé sur un modèle, soit le modèle actuel dans l'une des plates-formes d'ajustement, soit sur un modèle qui a été enregistré en tant que formule de colonne. Voulez-vous dire par « analyse factorielle » que vous avez utilisé la plate-forme d'ajustement Fit Least Squares et ouvert le profileur de prédiction dans cette plate-forme ?
En supposant que votre réponse soit « oui », alors deux réflexions :
- Les prédictions correspondent rarement aux valeurs observées car l'observation comprend une erreur statistique (individuelle) et la prédiction est la réponse moyenne attendue.
- si la différence semble inhabituellement grande, votre modèle est peut-être biaisé ou les estimations des paramètres sont biaisées.Modélisez-vous le pourcentage de réponse par rapport aux facteurs continus A, B et C, ou les traitez-vous comme des facteurs catégoriels ? Existe-t-il une interaction ou un effet non linéaire sur la réponse qui n'est pas modélisé ?
Re : Les valeurs de prédiction du profileur de prédiction ne correspondent pas aux données réellesOui, ce sont les Fit Lease Squares. Mes excuses pour la confusion.
Oui, je regarde le pourcentage de réponse (si combien de cellules sont vivantes ou mortes) après les facteurs continus de A, B et C.
Il y a des effets synergiques des médicaments mais nous ne savons pas que les effets sont des corrélations linéaires ou non linéaires
j'ai des questions de suivi
1. Même si je fais les profileurs de prédiction avec les données observées, les profileurs de prédiction seraient différents ? (Les profileurs montrent des intervalles confidentiels très petits mais les valeurs observées sont hors de la plage)
2. Je veux savoir comment je peux réparer ces profileurs. Pourriez-vous s'il vous plaît me conseiller comment faire cela?
Salutations,
Re : Les valeurs de prédiction du profileur de prédiction ne correspondent pas aux données réellesVous pouvez essayer d'appliquer la transformation Logit dans la boîte de dialogue de lancement Fit Model à la réponse. Assurez-vous que les valeurs réelles des données numériques sont de 0 à 1, et non de 0 à 100 %. Vous pouvez saisir des valeurs de 0 à 1, puis modifier le format (sélectionnez Cols > Column Info > Format > Percent) pour afficher 0 % à 100 %.
La fonction Logit devrait rendre la régression linéaire heureuse (elle suppose que -infinity < Y < infinity) mais la transformation arrière sera limitée à 0 à 1.
Re : Les valeurs de prédiction du profileur de prédiction ne correspondent pas aux données réellesMerci! J'ai également essayé différentes transformations. Bizarrement, la transformation réciproque montre des valeurs de prédiction proches des valeurs observées.
J'ai vérifié chaque équation, mais la réciproque n'a pas de sens pour les données de toxicité des médicaments.
Cela signifie-t-il que mes profileurs de prédiction ne seraient pas applicables aux futures données expérimentales ?
Je laisse le lien pour l'aide JMP pour les colonnes Transformation pour la future référence
https://www.jmp.com/support/help/en/15.2/?os=win&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/transform-columns.shtml
.
Re : Les valeurs de prédiction du profileur de prédiction ne correspondent pas aux données réellesJ'aimerais intervenir ici sur quelque chose que vous avez mentionné plus tôt. Vous vouliez utiliser le profileur sur des "données réelles". Pour être clair, ce n'est pas vraiment possible. Pensez à cet exemple simple :
X Y
10 90
10 94
20 70
20 74
À quelle valeur de Y le profileur doit-il être lorsque X=10 ? Le choix logique est 92, mais c'est la moyenne attendue pour la réponse basée sur un modèle. De même, quelle devrait être la valeur Y lorsque X=15 ? Pas moyen d'avoir ça sans modèle.
Ainsi, le processus abrégé approprié, à un niveau très élevé, consiste à :
1) Collectez vos données (il devrait y avoir de nombreuses étapes avant cela pour garantir que les données appropriées sont collectées de manière appropriée, etc.).
2) Adaptez un modèle à vos données (le modèle sera basé sur l'étape 1 et toutes vos hypothèses et problèmes discutés avant l'étape 1),
3) Évaluez l'ajustement de votre modèle. Si le modèle ne correspond pas bien, vous ne devriez pas utiliser le profileur car il ne sera pas précis.
4) Si le modèle s'ajuste bien, utilisez le profileur pour générer des prédictions.
5) **** ÉTAPE TRÈS IMPORTANTE ***** VÉRIFIEZ que le modèle prédit les données futures. Votre modèle peut s'adapter aux données utilisées pour construire le modèle -- il devrait être basé sur l'étape 3. Mais va-t-il prédire les observations futures ? Je ne sais pas jusqu'à ce que vous l'ayez vérifié. Il existe plusieurs approches possibles pour le faire en fonction de la situation et des circonstances, mais ce sont des sujets abordés dans de nombreux livres sur la modélisation prédictive.
