ANCOVA : Interprétez le résultat JMP ANCOVA. (4 combinaisons possibles)Bonjour à tous.
J'ai du mal à interpréter l'ANCOVA dans JMP.
Problème 1.
Puis-je utiliser IV comme « variable continue » et « DV comme continu, CV comme catégoriel » ?
Depuis que j'ai lu de nombreuses références disant "ANCOVA a besoin de IV-catégorique, DV-continu, CV-continu".
C'est très déroutant, car si IV est catégorique, la relation IV et DV ne peut pas être définie comme une régression linéaire... ce sont juste des ANOVA...
n'est-ce pas ??
Problème 2.
Il existe 4 sorties JMP possibles dans ANCOVA
1- pente différente, interception différente
2- pente identique, intercepte identique
3- pente différente, intercepte la même
4- pente identique, interception différente
Comment interpréter les cas 1 et 3 ?
Il semble y avoir une autre approche lorsque cette situation se présente,
mais c'est trop compliqué.
S'il vous plaît aidez-moi.
Études de consommation et de marchéRe : ANCOVA : Interpréter le résultat JMP ANCOVA. (4 combinaisons possibles)Je vous suggère de regarder Analyse > Modélisation spécialisée > Courbe d'ajustement . Vous fournissez la méthode de test (Y), la méthode standard (X) et utilisez une colonne indicatrice (Groupe). Sélectionnez la commande Ajustement linéaire dans le groupe Polynôme. Le plan d'ajustement aura son propre menu avec des commandes d'équivalence et de parallélisme pour évaluer la similarité.
Testez-vous des échantillons de contrôle à chaque étalonnage ? Utilisez-vous des cartes de contrôle pour évaluer la cohérence ?
Re : ANCOVA : Interpréter le résultat JMP ANCOVA. (4 combinaisons possibles)Je me demande si l'utilisation de la plateforme Fit Curve pourrait être une option.Cette plateforme prend en charge la comparaison des paramètres ; Je ne l'ai utilisé que pour des relations non linéaires, mais vous pouvez l'utiliser avec un modèle linéaire.Ici, vous pouvez effectuer un test d'équivalence sous forme d'analyse des moyennes (ANOM) pour chaque terme du modèle.
Voici une comparaison des pentes pour les données fournies par @Byron_JMP
Voici le lien dans l'aide en ligne de JMP :
comparaison des paramètres
Re : ANCOVA : Interpréter le résultat JMP ANCOVA. (4 combinaisons possibles)S'il vous plaît, ne baissez pas les bras pour me convaincre.
Je n’ai pas besoin de justifications solides pour ma conclusion potentielle.
Tout ce que j'ai à faire est de décider si plusieurs lignes sont considérées comme identiques (ou non).
Vous savez, la courbe d'étalonnage (quotidienne par exemple) est censée être la même, mais des facteurs tels que l'erreur humaine contribuent à leur « incohérence ».
Je veux décider s'ils peuvent être traités comme « identiques » ou non.
S'il vous plaît aidez-moi. J'ai besoin de votre aide.
Re : ANCOVA : Interpréter le résultat JMP ANCOVA. (4 combinaisons possibles)Merci et c'est intéressant.
Mais à quoi sert la mutualisation ?
La ligne mutualisée et une des lignes existantes (ex : A460 1) sont soumises à comparaison ?
Je ne pense pas avoir besoin de ça.
La conclusion finale que je veux tirer est de savoir si les lignes sont toutes identiques ou non.
Étant donné votre fichier jmp,
Le problème se pose lorsque l’interaction est significative et que l’interception ne l’est pas. (ou vice versa)
Re : ANCOVA : Interpréter le résultat JMP ANCOVA. (4 combinaisons possibles)
ci-joint un exemple de tableau de données. Cliquez sur le triangle vert à côté du script du tableau : "Courbes du pool ?)
Re : ANCOVA : Interpréter le résultat JMP ANCOVA. (4 combinaisons possibles)Je suis désolé mais pas en fait.
Je peux comprendre le point de votre dernier message.
Mais je ne peux pas dire que c'est mon problème 2.
"Je me soucie vraiment de savoir si les pistes sont MÊMES ou non."
Approche simple. (Je n'ai pas besoin d'une théorie statistique approfondie dans ce cas)
Si significatif, ce n’est pas pareil.
Si ce n’est pas significatif, pareil.
Mais pour quels critères ? pente? intercepter?
Il n'y a que 2 cas où je suis confus,
-pente non significative et interception significative
-pente significative et intercepte non significative.
et est-ce que cela a des justifications ?Jusqu'à présent, je n'ai pas trouvé.
Re : ANCOVA : Interpréter le résultat JMP ANCOVA. (4 combinaisons possibles)Voyons d'abord si nous pouvons trouver la réponse au problème 2. Je vais reformuler le modèle linéaire pour souligner son interprétation.
Ce qui vous convient : Y = b0 + catégorique + continu + catégorique * continu + erreur
Ce que vous interprétez : Y = (b0 + catégorique) + (1 + catégorique) * continu + erreur
La première somme est la constante du modèle de régression. Si le paramètre catégoriel de la première somme est significatif, alors il s'ajoute à b0, sinon il est nul et n'ajoute rien. Si le terme catégoriel n’est pas significatif, alors il n’y a que b0 ou l’ordonnée à l’origine commune. OTOH, s'il est significatif, alors il existe une origine unique ou différente associée à chaque niveau du facteur catégoriel. De même, si le terme d’interaction est significatif, il s’ajoute à la pente commune pour donner une pente unique ou différente pour chaque niveau du facteur catégoriel. Sinon, elle est nulle et il n’y a que la pente commune.
Cette explication est-elle utile ?
Re : ANCOVA : Interpréter le résultat JMP ANCOVA. (4 combinaisons possibles)Merci pour cette conversation continue.
J'ai compris le problème 1, mais je ne peux pas comprendre le problème 2.
Cela peut être dû à une compréhension insuffisante des statistiques.
Je n'arrive pas à comprendre la "différence moyenne" et la "différence proportionnelle"
J'ai suivi une formation d'ingénieur industriel qui traite des statistiques mais jusqu'à présent, je n'ai jamais entendu parler de ce mot..., notamment de différence proportionnelle.
qu'entends-tu par différence moyenne ?
est-il juste de comprendre ce terme comme c'est le cas dans "t-test" ?
dans le test t, je compare la moyenne du groupe1 et la moyenne du groupe2...
À propos, le but de la comparaison de lignes est :
pour comparer la « pente réelle ».
pH-mètre, spectrophotomètre, Les nombreux autres instruments que j'utilise sur le terrain utilisent la qui est réalisée à partir d'étalons de concentration connus.
Une fois effectuée, la concentration d'intérêt peut être mesurée et sa concentration est calculée via .
Je suppose que chaque devrait être la même même si elle a été réalisée à des jours différents.
Comme vous l'avez déduit, c'est vrai, ils ne sont pas du tout identiques.
Donc, je les ai triés par, -répéter dans jour, -jour, -opérateur, -laboratoire, ... etc.
Je veux voir la « SIGNIFICATION ANCOVA » minimale dans celle la plus à gauche, et la « signification ancova » la plus à droite. (vous comprendrez que celui de droite a plus de facteurs qui contribuent à la variabilité)
Cependant, je me suis approché pour surmonter cette "violation de l'homo-pente".
Je me fiche vraiment de quel CV, il pourrait être possible de les considérer comme identiques.
Je me soucie vraiment de savoir si les pistes sont MÊMES ou non.
À quel point est-il différent ? m'en fiche.
Donc sur ce point, j'ai désespérément besoin de votre aide.
S'il te plaît.. !
Re : ANCOVA : Interpréter le résultat JMP ANCOVA. (4 combinaisons possibles)Problème 1 : Oui, vous pouvez utiliser ANCOVA pour ajuster un modèle au DP continu avec des termes pour le CV continu, le IV catégoriel et leur interaction. Le nom « ANCOVA » est historique et l'application originale était un cas particulier d'un facteur catégoriel (ANOVA unidirectionnelle) et d'une covariable continue devant être prises en compte simultanément. Nous n'utilisons plus beaucoup de termes comme ANCOVA car le terme « prédicteur linéaire » est plus général et inclut le cas particulier. Comme je l'ai déjà dit, nous avons même tendance à penser à l'ANOVA dans un cadre de régression linéaire plus général, nous utilisons donc la régression pour analyser des modèles avec des facteurs catégoriels, avec un codage approprié des niveaux.
Problème 2 : Le premier cas ( pente différente, interception différente ) est interprété comme une différence moyenne entre les groupes et une différence proportionnelle entre les groupes. L'interaction est importante car la pente dépend du niveau du facteur catégoriel. Le deuxième cas ( pente différente, intercepte la même ) est interprété comme aucune différence moyenne entre les groupes mais il existe une différence proportionnelle entre les groupes.
Quel est votre contexte pour ces questions ? Test de stabilité ? Quoi?
Re : ANCOVA : Interpréter le résultat JMP ANCOVA. (4 combinaisons possibles)Merci d'avoir répondu.
Cependant, je n'arrive pas à comprendre.
Ce que je veux préciser, c'est...
Pourquoi ne puis-je pas dire que "la ligne n'est pas la même", alors que la pente est hétérogène.
J'avais essayé de rechercher les justifications de la déclaration ci-dessus.
Cependant, je n'ai pas pu, j'ai seulement trouvé qu'il fallait essayer une autre méthode lorsque l'hypothèse d'homo-pente n'était pas respectée.
Pourquoi? Le but d'ANCOVA n'est-il pas de comparer plusieurs lignes ?
Ensuite, lorsqu'il n'y a pas d'homo-pente, c'est tellement évident que les lignes ne sont pas les mêmes.
S'il vous plaît, faites-moi comprendre. s'il te plaît...
Re : ANCOVA : Interpréter le résultat JMP ANCOVA. (4 combinaisons possibles)Une autre suggestion consiste à ajouter le terme covariable EN PREMIER dans le modèle, puis à en évaluer la signification à l'aide de tests séquentiels (type 1). Utilisez des tests partiels (type 3) pour évaluer le reste des termes du modèle.
Re : ANCOVA : Interpréter le résultat JMP ANCOVA. (4 combinaisons possibles)Problème 1 : Vous semblez penser à l'ANOVA au sens classique, probablement spécifiquement à l'analyse de données équilibrées. Aujourd'hui, l'ANOVA et l'ANCOVA sont toutes réalisées avec une régression linéaire. Tout dépend de la façon dont vous paramétrez le modèle. Vous disposez toujours d'un prédicteur linéaire. Votre modèle de régression linéaire pour ANCOVA est DV = constante + IV + CV + CV*IV + erreur.
Vous pouvez consulter l'aide complète de JMP concernant montage de modèles linéaires et le détails du paramétrage du facteur .
Problème 2 : L'approche générale consiste à ajuster le modèle ANCOVA complet, puis à supprimer les termes en commençant par le haut de la hiérarchie (c'est-à-dire le terme désignant l'effet d'interaction). Cette section de l'aide JMP concernant tests d'effet pourrait aider.
