Was wäre, wenn die nichtlineares Modell Sie wollen nicht in der Kurve anpassen Plattform oder die Modellbibliothek der nichtlinearen Plattform?
Sie können eine Modellformel in einer Datentabellenspalte erstellen. Wenn Sie davon ausgehen, dass das Modell häufig verwendet wird, sollten Sie es der Modellbibliothek hinzufügen. (Informationen dazu finden Sie im JMP Predictive and Specialized Modeling Buch im Kapitel über Nichtlineare Regression . Suchen Sie nach dem Abschnitt mit dem Titel „Anpassen der nichtlinearen Modellbibliothek“.)
Wenn Sie sich an das Calcium-Beispiel erinnern Teil 3 dieser Reihe führte Howard Grimes von der Idaho State University ein Experiment durch, um die Menge an radioaktivem Kalzium in Zellen zu bestimmen. Insbesondere war die Beziehung zwischen der Zeit, die die Zellen in einer Suspension waren, und der Menge an radioaktivem Calcium in den Zellen von Interesse. Wir haben das Weibull-Wachstumsmodell in der Modellbibliothek verwendet. Angenommen, Sie möchten das Modell in einer anderen Form anpassen:
Diese Form des Modells könnte besonders nützlich sein, da die Parameter eine nützliche Interpretation haben:
𝛽1 die obere horizontale Asymptote
𝛽2 der y-Achsenabschnitt
𝛽3 der Ratenparameter
𝛽4 der Formparameter. Wenn der Formparameter größer als eins ist, ist die Kurve sigmoidal.
Um dies als Spaltenformel einzugeben JMP , besteht der erste Schritt darin, die Parameter und ihre Startwerte zu definieren. Erstellen Sie zunächst eine neue Spalte in der Datentabelle und fügen Sie eine Spaltenformel hinzu. Ändern Sie im Formeleditor die Listenauswahl im mittleren unteren Bereich von Konstanten in Parameter.
Klicken Sie auf Neuer Parameter. Geben Sie im sich öffnenden Dialogfeld den Namen des Parameters und den Startwert wie gezeigt ein.
Wiederholen Sie den Vorgang, um jeden Parameter zusammen mit seinem Startwert in das Modell einzugeben.
Nachdem Sie die Parameter definiert haben, können Sie die Modellformel mit dem Formeleditor eingeben. Beachten Sie, dass die Parameter als fettgedruckte Einträge in der Formel erscheinen.
Nachdem sich die Modellformel mit den entsprechenden Parameterstartwerten in der Datentabelle befindet, fahren Sie mit der nichtlinearen Plattform fort und geben Sie die Y-Variable und die oben erstellte Modellformelspalte als X, Prädiktorformel ein. Nach dem ersten Satz von Iterationen sollte dieses Modell konvergiert sein. Klicken Sie auf die Schaltfläche Vertrauensgrenzen, um die Grenzen um die Parameterschätzungen anzuzeigen.
Mehrere der Vertrauensgrenzen werden als fehlende Werte gemeldet. Die Intervalle sind Profil-Likelihood-Konfidenzintervalle, und es ist nicht ungewöhnlich, dass die iterative Technik, die verwendet wird, um diese Grenzen zu erhalten, nicht erfolgreich auf Grenzen für die Parameterschätzungen konvergiert.
Beachten Sie bei der Untersuchung dieser Ergebnisse, dass der Schätzwert für Parameter b4 sehr nahe bei 1 liegt. Da b4 einen Exponenten im Modell darstellt, hat es, wenn es gleich 1 ist, keine Auswirkung auf die Berechnung und muss nicht in das Modell aufgenommen werden. Um den Effekt auf das Modell zu untersuchen, wenn Sie b4 zuerst auf 1 fixieren, merken Sie sich die aktuelle Lösung, indem Sie auf das rote Dreieck klicken und Lösung merken auswählen. Nennen Sie dieses Modell Original. Dadurch wird dem Ergebnisfenster ein neuer Abschnitt mit Anpassungsstatistiken und Parameterschätzungen für das gespeicherte Modell hinzugefügt. Scrollen Sie im Ergebnisfenster zum Bedienfeld. Ändern Sie den Wert von b4 auf 1 und klicken Sie auf das Quadrat, um diesen Wert zu sperren. Führen Sie das Modell erneut aus, indem Sie auf Los klicken.
Verwenden Sie die Option mit dem roten Dreieck, um sich diese Lösung zu merken, und sehen Sie sich dann das Bedienfeld „Erinnerte Modelle“ an.
Es wurde eine Zusammenfassung der Anpassungsinformationen, der Parameterschätzungen für das neue Modell und ein Vergleich zwischen den Modellen durchgeführt. In diesem Fall gibt es bei einem p-Wert von 0,8933 keine ausreichenden Beweise für die Schlussfolgerung, dass die Fehlerquadratsummen (SSE) der Modelle unterschiedlich sind. Dies könnte Sie zu dem Schluss führen, dass das einfachere Modell in diesem Fall die bessere Wahl ist, und Sie könnten den Parameter b4 aus der Modellgleichung entfernen.
Zusammenfassend
In dieser Serie haben Sie drei verschiedene Ansätze für die Anpassung von a kennengelernt nichtlineares Modell in JMP: die Fit Curve-Plattform , die Modellbibliothek in der nichtlinearen Plattform , und ein benutzerdefiniertes Modell in der nichtlinearen Plattform. Der klassische nichtlineare Ansatz mit einer Spaltenformel ist leistungsfähiger und flexibler, während die Fit Curve-Plattform einfacher zu verwenden ist. Für diejenigen, die neu in der Anpassung nichtlinearer Modelle sind, kann die Verwendung von Fit Curve eine gute Möglichkeit sein, den Einstieg in die nichtlineare Modellierung zu erleichtern. Sobald Sie sich mit der Spezifikation von Modellen vertraut gemacht haben, können Sie die volle Leistungsfähigkeit des klassischen Ansatzes in JMP erkunden, um die verfügbaren Modelltypen zu erweitern.
Anmerkung der Redaktion: Schauen Sie sich das Ganze an vierteilige Serie .
Diese Serie ist ein hervorragendes Tutorial für nichtlineare Modellierung. Ich hatte jedoch gehofft, einen weiteren Schritt zu finden: wie man ein benutzerdefiniertes Modell zur Fit Curve-Plattform hinzufügt. Während Teil 4 die zusätzlichen Funktionen der nichtlinearen Plattform zeigte, bietet Fit Curve ausgezeichnete Vergleichszusammenfassungen (z. B. AICc) beim Anpassen mehrerer Modelle und in Tabellen, die einfach per Skript für die Erfassung in einem Word-Dokument erstellt werden können. Gibt es eine Möglichkeit, der Fit Curve-Plattform ein benutzerdefiniertes Modell hinzuzufügen?
