398353_de-DE

liliconcom

Bivariate Analyse

Hallo,

 

Ich möchte eine Bestätigung der von JMP durchgeführten bivariaten Analyse.

Wenn nur die X- und Y-Parameter eingegeben werden, wird die statistische Analyse anschließend parametrisch durchgeführt? Wenn ja, ist es möglich, eine nichtparametrische Typanalyse durchzuführen? Wie geht es weiter?

 

Danke im Voraus

 

Verheiratet

AnalytikRe: Bivariate Analyse

Y nach X anpassen kann vier verschiedene Arten von Analysen durchführen, abhängig von den Modellierungstypen von X und Y. Hier sind die verschiedenen Arten von Analysen, die auf den angebotenen Modellierungsarten basieren. Dies kommt direkt aus dem Dialogfeld Fit Y by X:

Wenn das Ergebnis eine parametrische Analyse ist, haben die roten Dreiecksoptionen je nach Art der Analyse normalerweise eine nichtparametrische Option.

Wenn Sie genauer wissen, wonach Sie suchen, kann Ihnen die Community möglicherweise weitere Hinweise geben.

 

Re: Bivariate Analyse

Hallo Dan,

 

Danke für Ihre Antwort. Tatsächlich habe ich mich schlecht ausgedrückt. Ich kenne die Analyse und die Möglichkeiten des Fits Y nach X in Funktion der Art der Daten. Ich möchte eine bivariate Analyse an kontinuierlichen Daten durchführen, die jedoch keinem normalen Gesetz folgt.
Wenn ich das Fit Y by X-Modul starte, fülle ich die Y- und X-Felder aus und erhalte meine Analyse. Mein Problem ist, dass ich nicht sehen kann, ob JMP meine Daten als parametrisch oder nicht parametrisch betrachtet. Wenn ich auf das rote Dreieck der bivariaten Analyse klicke, kann ich die Art meiner Daten nicht auswählen und weiß daher nicht, worauf die erhaltenen Statistiken basieren.
Wie kann man sicher sein, dass die Analyse gut durchgeführt wird, wenn man bedenkt, dass die Daten keinem normalen Gesetz folgen?

Ich verwende JMP16.0.0

 

Danke für Ihre Hilfe

Re: Bivariate Analyse

Fit Y by X, genauer gesagt bivariate, führt eine standardmäßige Regression der kleinsten Quadrate durch. Bei der Regression wird nicht davon ausgegangen, dass Ihre Daten normalverteilt sind. Es wird jedoch davon ausgegangen, dass die Residuen (oder Fehler) normalverteilt sind. Diese Unterscheidung ist wichtig, da die Rohdaten Signale enthalten, die eine Normalverteilung verhindern könnten. Das X oder die erklärende Variable sollte die Wirkung der Signale beseitigen. Was übrig bleibt (die Fehler oder Residuen) muss normal verteilt werden, damit alle statistischen Schlussfolgerungen der Regression gültig sind. Deshalb sollte eine Regressionsanalyse immer auch eine Betrachtung der Residuen beinhalten. Bivariat ermöglicht es Ihnen, die Residuenanalyse durchzuführen.

 

Wenn die Residuen nicht normalverteilt sind, gibt es einige Optionen. Eine besteht darin, Ihre Antwort so umzuwandeln, dass die Residuen normalverteilt werden können. Der bivariate Bericht bietet mehrere Optionen, um Ihre Antwort zu transformieren. Sie finden sie unter Fit Special im roten Popup-Menü.

 

Eine weitere Option besteht darin, Modell anpassen zu verwenden und ein verallgemeinertes lineares Modell anzugeben. Auf diese Weise können Sie die Verteilungsantwort angeben. Ein verallgemeinertes lineares Modell ist mehr, als ich hier eingehen kann, aber es könnte sich lohnen, wenn Sie sich mit Ihrem Problem befassen.

Re: Bivariate Analyse

Danke Dan,

 

All dies ist sehr hilfreich und wird es mir ermöglichen, die Arbeit zu erledigen, die ich tun muss!

Ich habe alle Ihre Lösungen gefunden und getestet und beide geben mir meine Antwort. Ich bevorzuge die Analyse Y nach X anpassen, dann Residuen nach dem Anpassen des linearen Regressionsmodells!