Je voudrais savoir à quelle valeur x 2 pentes divergent de manière significative lors de l'utilisation des moindres carrés pour ajuster les données avec 2 groupes catégoriels, x étant continu, tout comme la variable ajustée. La documentation en ligne de JMP est terriblement inutile.
JMP® Pro 16.2.0
Merci Georg,
Toutes mes excuses pour le long retard, j'ai longtemps covid et je n'ai pas pu faire face à cette question de statistiques.
Hmm, c'est bien au-dessus de ma tête. Cela fait de nombreuses années que je n'ai pas dû écrire mes propres routines de statistiques. Je ne suis pas sûr de comprendre ce que fait celui-ci ou même où il récupère les données en premier lieu.
S'il vous plaît donnez votre avis.
Vous pouvez créer un modèle Fit et ajouter un filtre de données local pour votre x. Ensuite, vous pouvez parcourir les valeurs x en observant les changements de pente dans le rapport Fit Model.
Une autre idée serait d'ajouter un regroupement personnalisé sur x et d'utiliser cette variable avec interaction dans Fit Model. Ensuite, vous pouvez voir si la pente change avec les bacs personnalisés de X. Voir le script pour des exemples.
Names Default To Here( 1 );
dt = Open( "$SAMPLE_DATA\Big Class.jmp" );
dt << New Column( "Custom Binning[height]",
Numeric,
"Nominal",
Format( "Best", 12 ),
Formula( If( :height < 61.937, 60.937, :height >= 61.937, 61.937, . ) ),
Value Labels( {"." = "Missing", 60.937 = "< 62", 61.937 = "≥ 62"} ),
Use Value Labels( 1 ),
);
dt << Add Properties to Table(
{New Script(
"Fit Model local datafilter",
Fit Model(
Y( :weight ),
Effects( :sex, :height, :sex * :height ),
Personality( "Standard Least Squares" ),
Emphasis( "Effect Leverage" ),
Run(
:weight << {Summary of Fit( 1 ), Analysis of Variance( 1 ),
Parameter Estimates( 1 ), Scaled Estimates( 0 ), Plot Actual by Predicted( 1 ),
Plot Residual by Predicted( 1 ), Plot Studentized Residuals( 0 ),
Plot Effect Leverage( 1 ), Plot Residual by Normal Quantiles( 0 ),
Box Cox Y Transformation( 0 )}
),
Local Data Filter(
Conditional,
Add Filter( columns( :height ), Where( :height >= 56.994 & :height <= 70 ) )
),
SendToReport(
Dispatch(
{"Response weight", "Whole Model"},
"Actual by Predicted Plot",
OutlineBox,
{Close( 1 )}
),
Dispatch(
{"Response weight", "Whole Model"},
"Effect Summary",
OutlineBox,
{Close( 1 )}
),
Dispatch(
{"Response weight", "Whole Model"},
"Lack Of Fit",
OutlineBox,
{Close( 1 )}
),
Dispatch(
{"Response weight", "Whole Model"},
"Residual by Predicted Plot",
OutlineBox,
{Close( 1 )}
),
Dispatch(
{"Response weight", "Whole Model"},
"Summary of Fit",
OutlineBox,
{Close( 1 )}
),
Dispatch(
{"Response weight", "Whole Model"},
"Analysis of Variance",
OutlineBox,
{Close( 1 )}
),
Dispatch(
{"Response weight", "sex"},
"Least Squares Means Table",
OutlineBox,
{Close( 1 )}
)
)
)
), New Script(
"Fit Least Squares",
Fit Model(
Y( :weight ),
Effects(
:sex, :height, :"Custom Binning[height]"n, :sex * :height,
:sex * :"Custom Binning[height]"n, :height * :"Custom Binning[height]"n
),
Personality( "Standard Least Squares" ),
Emphasis( "Effect Leverage" ),
Run(
:weight << {Summary of Fit( 1 ), Analysis of Variance( 1 ),
Parameter Estimates( 1 ), Scaled Estimates( 0 ), Plot Actual by Predicted( 1 ),
Plot Regression( 0 ), Plot Residual by Predicted( 1 ),
Plot Studentized Residuals( 0 ), Plot Effect Leverage( 1 ),
Plot Residual by Normal Quantiles( 0 ), Box Cox Y Transformation( 0 )}
)
)
)}
);
dt << run script( "Fit Model local datafilter" );Je ne vois pas pourquoi vous vous plaignez de l'aide de JMP ici.Cela ne me semble pas être le type de question que je m'attendrais à voir dans un fichier d'aide - cela concerne vraiment les choix de modélisation et l'interprétation.Peut-être que je me trompe et quelqu'un dira qu'il existe une manière claire et préparée de le faire.
D'après ma compréhension de votre question, vous auriez besoin de modéliser un effet interactif : x*group.Mais cela détermine simplement si les pentes sont significativement différentes entre les deux groupes.Votre question semble indiquer que vous pensez que les pentes deviennent égales à une certaine valeur de x, et non à des valeurs plus petites de x.Cela me semble être un effet d'interaction non linéaire.Il peut être possible d'utiliser la plate-forme non linéaire avec des paramètres et d'obtenir des estimations d'un paramètre qui indique la valeur de x à laquelle les pentes commencent à différer.Combien de données avez-vous ?Si vous pouvez en partager une partie - ou un ensemble de données similaire, je peux alors le décrire plus en détail.
