Nouveau dans Stats : quels tests et comment dans JMP ?Salut la communauté JMP,
Je suis relativement nouveau dans les statistiques et j'essaie d'analyser un ensemble de données sur JMP. J'avais quelques questions.
Les données:
- Une valeur patient mesurée
- ~6 équations visant à estimer la valeur patient mesurée
- Démographie des patients
L'objectif:
- Déterminer les corrélations/performances entre les estimations et les mesures
- Déterminer combien de variation existe d'une estimation à l'autre
- Déterminer quelle équation d'estimation fonctionne le mieux pour certains groupes de patients/données démographiques (c.-à-d. patients plus âgés vs plus jeunes, différentes comorbidités, différents IMC)
Mes questions:
- Quels tests recommanderiez-vous pour chacun de ces objectifs ?
- Je pensais simplement faire y par x pour déterminer les corrélations. Est-ce que je ferais simplement y par x puis par données démographiques pour déterminer les performances en fonction de certaines caractéristiques ?
- Quelle est la meilleure façon de déterminer la variation qui existe d'une estimation à l'autre pour chaque personne ?
Merci et faites-moi savoir si vous avez d'autres idées à ce sujet et/ou des questions.
Ben
AnalytiqueTableau de donnéesmacOSRe : Nouveau dans Stats : Quels tests et comment dans JMP ?Il y a pas mal de concepts/techniques statistiques à saisir pour ce problème, d'après ce que je peux dire. Mais aussi, il y a des choses qui ne sont pas claires pour moi. Voici quelques réflexions.
- Je reconnais que vous avez un problème de prédiction en main, c'est-à-dire que vous voulez prédire la valeur patient mesurée (Y).
- Vous avez mentionné 6 équations. Vous n'avez pas mentionné les "prédicteurs". "Prédicteur" est un jargon pour X, utilisé pour prédire Y. Vous pouvez avoir plus d'un X. Donc, je suppose que chaque équation dans votre cas est une formule d'un ou plusieurs X.
- Le type de votre Y vous dirige vers une direction plutôt qu'une autre. Si votre Y est continu, par exemple des mesures comme le poids, recherchez des outils de régression comme les moindres carrés. Si votre Y est binaire, par exemple bon/mauvais, recherchez des outils comme la régression logistique. Dans JMP, certains endroits peuvent indiquer automatiquement la direction à suivre, par exemple "Ajuster Y par X" ou "Régression généralisée", vous n'avez donc pas à vous soucier trop du type de Y. Dans d'autres endroits, vous devez déterminer quelles plates-formes prennent en charge quel type de Y.
- Vos équations vous dirigent également vers une direction, au lieu d'une autre. Cela dépend si votre équation est linéaire en paramètres ou non. Ensuite, votre chemin est divisé en modèles linéaires ou en modèles non linéaires.
- Après avoir déterminé le type de modèle que vous pouvez appliquer à vos données et ajusté le modèle, vous devez évaluer si le modèle est suffisamment adéquat, s'il y a des violations des hypothèses. Recherchez les rubriques liées aux diagnostics de modèle.
- En supposant que le modèle se comporte bien et que vous décidiez de comparer différents modèles (équations), il existe quelque chose appelé "critère de sélection de modèle", à l'aide duquel vous pouvez évaluer les performances des modèles. Il existe des critères assez différents : R-carré pour la régression, critère d'information pour de nombreuses autres situations. Ou comme vous l'avez mentionné, utilisez la corrélation entre le mesuré et l'estimé pour déterminer. Je crois que c'est une approximation très proche des méthodologies formelles que j'ai mentionnées.
- Je ne comprends pas votre deuxième question. En particulier, quelle est votre définition de "variation d'une estimation à l'autre" ?
- Pour votre dernière question, je suppose que vous devez ajuster le modèle par groupes. Comparez ensuite leurs performances groupe par groupe. Mais si vos 6 équations ont des données démographiques comme prédicteurs, vous avez probablement un problème de sélection de variables ou un problème de test de signification. Je ne peux pas dire avec certitude sans en savoir plus sur vos équations et vos données.
