Análisis bivariadoBuenos dias,
Me gustaría confirmación sobre el análisis bivariado realizado por JMP.
Cuando solo se ingresan los parámetros X e Y, ¿el análisis estadístico se realiza posteriormente paramétrico? Si es así, ¿es posible hacer un análisis de tipo no paramétrico? ¿Como proceder?
Gracias de antemano
Marie
AnalíticaRe: Análisis bivariadoAjustar Y por X puede realizar cuatro tipos diferentes de análisis, según los tipos de modelado de X e Y. Estos son los diferentes tipos de análisis basados en los tipos de modelado que se ofrecen. Esto viene directamente del cuadro de diálogo Ajustar Y por X:
Según el tipo de análisis, si el resultado es un análisis paramétrico, las opciones del triángulo rojo normalmente tendrán una opción no paramétrica.
Si es más específico sobre lo que está buscando, entonces la comunidad puede brindarle más orientación.
Re: Análisis bivariadoHola Dan,
Gracias por su respuesta. De hecho, me expresé mal. Conozco el análisis y las posibilidades del ajuste Y por X en función del tipo de datos. Quiero hacer un análisis bivariado sobre datos continuos pero que no siguen una ley normal.
Cuando lanzo el módulo Fit Y by X, completo los campos Y y X y obtengo mi análisis. Mi problema es que no puedo ver si JMP considera mis datos como paramétricos o no paramétricos. Cuando hago clic en el triángulo rojo del análisis bivariado, no puedo seleccionar el tipo de mis datos y, por lo tanto, no sé en qué se basan las estadísticas obtenidas.
¿Cómo estar seguro de que el análisis se hace bien teniendo en cuenta que los datos no siguen una ley normal?
Estoy usando JMP16.0.0
gracias por su ayuda
Re: Análisis bivariadoAjustar Y por X, más específicamente Bivariante, está realizando una regresión de mínimos cuadrados estándar. La regresión no asume que sus datos se distribuyan normalmente. Pero sí asume que los residuos (o errores) se distribuyen normalmente. Esta distinción es importante porque los datos sin procesar tendrán señales que podrían evitar que se distribuyan normalmente. La X o variable explicativa debe eliminar el efecto de las señales. Lo que queda (los errores o residuos) debe distribuirse normalmente para que todas las inferencias estadísticas de la regresión sean válidas. Es por eso que un análisis de regresión siempre debe incluir también un examen de los residuos. Bivariante le permitirá realizar el análisis residual.
Si los residuos no se distribuyen normalmente, hay algunas opciones. Una es transformar su respuesta para que los residuos puedan distribuirse normalmente. El informe bivariado ofrece varias opciones para transformar su respuesta. Se pueden encontrar en Ajuste especial en el menú emergente rojo.
Otra opción es usar Ajustar modelo y especificar un Modelo lineal generalizado. Eso le permitirá especificar la respuesta de distribución. Un modelo lineal generalizado es más de lo que puedo explicar aquí, pero podría valer la pena que lo investigues para cualquiera que sea tu problema.
Re: Análisis bivariadogracias
¡Todo esto es muy útil y me permitirá hacer el trabajo que necesito hacer!
Encontré y probé todas sus soluciones y ambas me dieron mi respuesta. ¡Tengo una preferencia por el ajuste de Y por X y luego el análisis de residuos después de ajustar el modelo de regresión lineal!
