Come confrontare più linee rette? (y=asse+b)Buona giornata,
Ho qualche problema con questo.
giorno: 1,2,3,4,5
operatore: a,b,c,d
correre in un giorno: r1, r2, r3
ogni corsa ha 2 valori osservati: o1, o2
la combinazione di dati di cui sopra verrà creata per,
0 mg/ml, 1 mg/ml, 30 mg/ml,
concludendo che Una linea di regressione (y= concentrazione, x= valore osservato).
Poiché volevo capire quanto sono variabili i singoli valori osservati,
ho provato molti metodi ma in qualche modo non sono stati soddisfacenti.
Alla fine ho provato a confrontare le linee di regressione create.
tuttavia, l'intercetta Y e la pendenza devono essere prese insieme per essere prese in considerazione, non è facile fare questo confronto.
Posso confrontare queste rette di regressione multiple per concludere eventualmente quanto segue?
1. Da una regressione universale, l'operatore c ha il gap maggiore, mentre l'operatore b ha il gap minimo.
2. Quando per l'operatore d, la variazione tra i giorni è significativa poiché ANOVA con linee di regressione ha un valore P significativo.
3. Quando si utilizza la media(o) come media tra o1 e o2, la varianza(operatore) viene ridotta poiché è correlata al SEM (anziché alla SD)
Mi aiuti per favore...
Ricerche sui consumatori e sul mercatoRi: Come confrontare più linee rette? (y=asse+b)Interpreterei questa analisi nello stesso modo in cui l'hai interpretata tu. Non esiste una distorsione costante tra i gruppi, ma esiste una distorsione proporzionale.
Ri: Come confrontare più linee rette? (y=asse+b)Caro,
Un'ultima cosa da verificare...
Nella foto che ho postato,
Posso concludere che esiste una differenza significativa nella pendenza (termine di interazione) e non significativa nel termine di intercetta?
Quindi in questo caso suppongo di poter concludere che,
Sebbene la pendenza sia diversa, l'intercetta è considerata la stessa, pertanto non vi è alcuna differenza tra la ripetibilità 1~3.
(come so, la differenza ANCOVA necessita sia della differenza di pendenza che della differenza di intercetta)
Puoi essere d'accordo?
Ri: Come confrontare più linee rette? (y=asse+b)Puoi utilizzare le altre variabili nel modello se fanno parte del tuo concetto di gruppo.
Sì, questa analisi è tradizionalmente nota come analisi di covarianza (ANCOVA).
Ri: Come confrontare più linee rette? (y=asse+b)Come l'interpretazione sarebbe sbagliata,
FINALMENTE sono arrivato a destinazione per ottenere questa cifra!!
Il tuo aiuto è stato fantastico per me!
Sono un po' confuso se dovrei assegnare il fattore [Per] con "giorno, corsa, ecc.".
Ma questo per ora non è importante.
Hai risolto la situazione.
Il mio problema era
Non ho organizzato i dati nel modo giusto.
era come,
1 mg/ml 30 mg/ml
44,2 105,1
30,2 130,0
55,1...
Era un vero problema e non riuscivo a trovare la variabile (continua) necessaria per eseguire ANCOVA
Dopo il tuo aiuto,
si è rivelato essere,
Concentrato Valore oss
144.2
30105.1
1 30.2
30 130,0
... Finalmente è diventato applicabile ad ANCOVA.
Grazie!
Ri: Come confrontare più linee rette? (y=asse+b)In realtà, questo aiuta davvero.
Non ho ancora provato nessun ulteriore passaggio, ma all'improvviso mi è venuta un'idea mentre leggevo la tua risposta
Distribuisci Y e raggruppali per "operatore" -1
Una volta divisi per "operatore" e ordinali, raggruppali per "giorno" -2
.... In questo modo, mi aspetto di poter rispondere alle domande; 'Y differisce in base all'operatore?' oppure "la variabile del giorno influisce sull'Y dell'operatore?", ecc.
Non capisco la sceneggiatura ma ci proverò e spero di riuscire a capire il punto della tua.
Grazie mille!
Ri: Come confrontare più linee rette? (y=asse+b)Un modello lineare prevede coppie di (X, Y), ma descrivi un caso in cui X = 1 per più di un Y in ciascun gruppo. Come può essere questa situazione?
Ecco un esempio di cosa intendo utilizzando la tabella dati Big Class nella cartella Sample Data. Esegui lo script per vedere di cosa sto parlando e vedere se potrebbe funzionare nel tuo caso.
Names Default to Here( 1 );
dt = Open( "$SAMPLE_DATA/Big Class.jmp" );
fit = dt << Fit Model(
Y( :weight ),
Effects( :height, :age, :height * :age ),
Personality( "Standard Least Squares" ),
Emphasis( "Minimal Report" ),
Run(
:weight << {Summary of Fit( 1 ), Analysis of Variance( 1 ),
Parameter Estimates( 1 ), Scaled Estimates( 0 ),
Plot Actual by Predicted( 0 ), Plot Residual by Predicted( 0 ),
Plot Studentized Residuals( 0 ), Plot Effect Leverage( 0 ),
Plot Residual by Normal Quantiles( 0 ), Box Cox Y Transformation( 0 )}
)
);
Ecco il risultato:
Il termine di interazione è la chiave. Viene utilizzato per testare la domanda: "La pendenza dipende dalla fascia di età?" Questo caso suggerisce che non è così, perché questo termine non è significativo con una confidenza del 95%.
Il tuo raggruppamento è più complesso (non solo una singola variabile come :age), ma l'idea è la stessa. Quindi pensa a quali variabili possono essere utilizzate per definire un gruppo, quindi usa una formula per creare la variabile di raggruppamento per l'analisi di regressione.
Ri: Come confrontare più linee rette? (y=asse+b)Grazie per avermi risposto. Ti preghiamo di comprendere che non posso allegare un file di esempio.
Bene, attualmente ho un file JMP di dati come,
ripetibilità dell'esecuzione giornaliera da parte dell'operatore
1 a r1 o1=47,2
1 a r1 o2=45,3
1 a r2 o1=49
1 a r2 o2=44,5
1b r1...
PER 1 mg/ml...
Che tipo di colonna vuoi che crei esattamente?
Forse sopra il set di dati è x=1, y=47,2, 45,3, ... e stai dicendo che la colonna di raggruppamento nominale?
Come,
1 a r1 o1 come, G1 ,
1 a r1 o2 come, G2, ...
?
Buona giornata!!
Ri: Come confrontare più linee rette? (y=asse+b)Per questa attività è possibile utilizzare un modello di regressione lineare. È necessario creare variabili di raggruppamento oltre alle variabili Y e X. Includili nel tuo modello. Incrocia inoltre ciascuna variabile di raggruppamento con la variabile X. I test per gli effetti principali delle variabili di raggruppamento rispondono alla domanda su intercetta comuni o uniche per ciascun gruppo. i test per gli effetti di interazione con le variabili di raggruppamento rispondono alla domanda su una pendenza comune o unica per ciascun gruppo.
Consulta questa guida della Guida di JMP Adattamento di modelli lineari per ulteriori dettagli.
