398353_fr-FR

liliconcom

Bivariate analysis

Bonjour,

 

J'aimerai une confirmation sur l'analyse bivariée effectuée par JMP.

Lorsque seuls les paramètres X et Y sont entrés est-ce que l'analyse statistiques effectuée par la suite est de type paramétrique? Si oui est-ce qu'il est possible de faire une analyse de type non paramétrique? Comment procéder?

 

Merci d'avance

 

Marie

AnalyticsRe : Analyse bivariée

Fit Y by X peut effectuer quatre types d'analyses différents, selon les types de modélisation de X et Y. Voici les différents types d'analyses en fonction des types de modélisation qui sont proposés. Cela vient directement de la boîte de dialogue Fit Y by X :

Selon le type d'analyse, si le résultat est une analyse paramétrique, les options du triangle rouge auront généralement une option non paramétrique.

Si vous êtes plus précis sur ce que vous recherchez, la communauté pourra peut-être vous fournir plus de conseils.

 

Re: Bivariate analysis

Bonjour Dan,

 

Merci pour votre réponse. En effet je me suis mal exprimée. Je connais l'analyse et les possibilité du fit Y by X en finction du type de données. Je veux faire une analyse bivariée sur des données continues mais qui ne suivent pas une loi normale. 
Quand je lance le module fit Y by X je renseigne les champs Y et X et j'obtiens mon analyse. Mon pproblème est que je ne vois pas si JMP considère mes données comme paramétriques ou non paramétriques. Quand je clique sur le triangle rouge de l'analyse bivariée je ne peut pas sélectionné le type de mes données et je ne sais donc pas sur quoi se basent les statistiques obtenues.
Comment faire pour être sûre que l'analyse se fait bien en considérant que les données ne suivent pas une loi normale?

J'utilise JMP16.0.0

 

Merci pour votre aide

Re : Analyse bivariée

Fit Y by X, plus spécifiquement Bivariate, effectue une régression standard des moindres carrés. La régression ne suppose pas que vos données soient normalement distribuées. Mais cela suppose que les résidus (ou erreurs) soient normalement distribués. Cette distinction est importante car les données brutes contiendront des signaux susceptibles d'empêcher leur distribution normale. Le X ou la variable explicative doit supprimer l'effet des signaux. Ce qui reste (les erreurs ou les résidus) doit être normalement distribué pour que toutes les inférences statistiques de la régression soient valides. C'est pourquoi une analyse de régression doit toujours inclure également un examen des résidus. Bivariate vous permettra d'effectuer l'analyse résiduelle.

 

Si les résidus ne sont pas distribués normalement, il existe quelques options. L'une consiste à transformer votre réponse afin que les résidus puissent être distribués normalement. Le rapport bivarié offre plusieurs options pour transformer votre réponse. Ils peuvent être trouvés sous Fit Special dans le menu contextuel rouge.

 

Une autre option consiste à utiliser Ajuster le modèle et à spécifier un modèle linéaire généralisé. Cela vous permettra de spécifier la réponse de distribution. Un modèle linéaire généralisé est plus que ce que je peux aborder ici, mais cela pourrait valoir la peine que vous examiniez quel que soit votre problème.

Re : Analyse bivariée

Merci Dan,

 

Tout cela est très utile et me permettra de faire le travail que je dois faire !

J'ai trouvé et testé toutes vos solutions et les deux me donnent ma réponse. J'ai une préférence pour l'analyse Ajuster Y par X puis les résidus après ajustement du modèle de régression linéaire !