Comment interpréter les résultats de prédiction inverse de ma régression logistique binomialeBonjour, j'essaie d'interpréter les résultats de "prédiction inverse" de ma régression logistique binomiale.
Vous trouverez ci-dessous mes résultats... comme vous pouvez le voir, j'ai sélectionné trois probabilités différentes à évaluer (50 %, 80 % et 90 %), le tout avec un niveau de confiance de 95 %. J'essaie de déterminer dans quelle mesure ce modèle prédit les résultats attendus en fonction de mes données observées.
Merci d'avance!
Analyse et modélisation des données de baseExploration et visualisation des donnéesPartager et communiquer les résultatsRe : Comment interpréter les résultats de la prédiction inverse de ma régression logistique binomialeMISE À JOUR : J'ai réalisé que je devais modifier l'ordre de mes valeurs.Quand j'ai fait cela, cela semble maintenant logique.Merci encore hein !
Re : Comment interpréter les résultats de la prédiction inverse de ma régression logistique binomialeMISE À JOUR : J'ai réalisé que je n'avais pas changé l'ordre de mes valeurs.Quand je l'ai fait, cela semble logique.Merci encore!
Re : Comment interpréter les résultats de la prédiction inverse de ma régression logistique binomialeSalut Dale - Merci beaucoup d'avoir répondu.Comme j'ai répondu à ih il y a quelques minutes, bien que je comprenne ce qu'est une prédiction inverse et ce qu'elle fait, je ne sais pas comment lire la signification des résultats que j'obtiens car ils ne semblent pas correspondre à mes données brutes (qui signifie que j'interprète mal quelque chose).Je viens de relancer la prédiction inverse pour cette réponse du groupe de discussion JMP et, pour illustrer mon problème, cette fois j'utilise "au-dessus de 235" (c'est-à-dire si ecoli> 235, ma colonne "au-dessus de 235" est égale à 1, sinon elle est égale à 0) qui est une variable dépendante nominale.... vs ....turbidité (variable indépendante continue).J'ai ensuite exécuté la prédiction inverse avec un niveau de confiance de 95 % et une probabilité de 90 % (une queue, supérieure à 95 %).Il a produit une valeur de turbidité de 5,3.Autrement dit, si la turbidité est > 5,3, je suis sûr à 95 % que 90 % de mes écolis seront supérieurs à 235. Cependant, mes données brutes suggèrent qu'il s'agit d'une grave erreur, car seuls 71 % des écolis (106 sur 149) sont supérieur à 235 lorsque la turbidité est > 5,3.J'aurais pensé que près de 90% des cas d'ecoli (~ 134 sur 149) auraient été supérieurs à 235 lorsque la turbidité> 5,3. Est-ce que je manque quelque chose?
Re : Comment interpréter les résultats de la prédiction inverse de ma régression logistique binomialeMerci.Je vais continuer à sonder.Bien que je comprenne ce qu'est une prédiction inverse et ce qu'elle fait, je ne sais pas comment lire la signification des résultats que j'obtiens car ils ne semblent pas correspondre à mes données brutes (ce qui signifie que j'interprète mal quelque chose).Je viens de relancer la prédiction inverse pour cette réponse du groupe de discussion JMP et, pour illustrer mon problème, cette fois j'utilise "au-dessus de 235" (c'est-à-dire si ecoli> 235, ma colonne "au-dessus de 235" est égale à 1, sinon elle est égale à 0) qui est une variable dépendante nominale.... vs ....turbidité (variable indépendante continue).J'ai ensuite exécuté la prédiction inverse avec un niveau de confiance de 95 % et une probabilité de 90 % (une queue, supérieure à 95 %).Il a produit une valeur de turbidité de 5,3.Autrement dit, si la turbidité est > 5,3, je suis sûr à 95 % que 90 % de mes écolis seront supérieurs à 235. Cependant, mes données brutes suggèrent qu'il s'agit d'une grave erreur, car seuls 71 % des écolis (106 sur 149) sont supérieur à 235 lorsque la turbidité est > 5,3.J'aurais pensé que près de 90% des cas d'ecoli (~ 134 sur 149) auraient été supérieurs à 235 lorsque la turbidité> 5,3. Est-ce que je manque quelque chose?
Re : Comment interpréter les résultats de la prédiction inverse de ma régression logistique binomialeJe suis un peu confus par votre question.Je ne pense pas que la prédiction inverse soit un moyen de voir dans quelle mesure votre modèle s'adapte aux données - il existe des informations provenant des résultats d'ajustement du modèle pour cela.Si vous essayez d'interpréter la prédiction inverse, les intervalles de confiance étroits me semblent indiquer que votre modèle fournit des intervalles de confiance assez précis pour la variable x liée à ces probabilités inférieures à 235. Puisque la variable x est un log, pour interpréter le l'intervalle de confiance réel numériquement impliquerait de transformer ces valeurs logarithmiques en valeurs (par exponentiation).Je ferais également attention aux prédictions inverses près des extrêmes du graphique - en fonction de vos données, les probabilités que vous avez spécifiées peuvent facilement impliquer des valeurs irréalistes pour la variable x.Par exemple, lorsque j'ai des données très déséquilibrées (une petite classe minoritaire à prédire), des probabilités élevées sont souvent associées à des valeurs négatives pour la variable x (ce qui est souvent impossible pour les données avec lesquelles je travaille).
Re : Comment interpréter les résultats de la prédiction inverse de ma régression logistique binomialeDans le menu Aide de JMP, vous trouverez la bibliothèque de documentation.Essayez d'y rechercher "Inverse Prediction". Vous devriez trouver une section intitulée "Exemple de prédiction inverse utilisant l'option de prédiction inverse", et le dernier paragraphe donne un exemple d'interprétation de résultats très similaire au vôtre.
