¿Qué pasa si el modelo no lineal lo que quieres no está en el Ajustar curva plataforma o la Biblioteca de modelos de la plataforma no lineal?
Puede crear una fórmula modelo en una columna de tabla de datos. Si espera usar el modelo con frecuencia, podría considerar agregarlo a la biblioteca de modelos. (La información sobre cómo hacerlo se encuentra en el libro Modelos Predictivos y Especializados de JMP en el capítulo sobre Regresión no lineal . Busque la sección titulada "Personalizar la biblioteca de modelos no lineales").
Si recuerda el ejemplo del calcio de parte 3 de esta serie , Howard Grimes de la Universidad Estatal de Idaho hizo un experimento para determinar la cantidad de calcio radiactivo en las células. En particular, la relación entre la cantidad de tiempo que las células estuvieron en suspensión y la cantidad de calcio radiactivo en las células fue de interés. Utilizamos el modelo de crecimiento de Weibull en la Biblioteca de modelos. Sin embargo, suponga que está interesado en ajustar el modelo de una forma diferente:
Esta forma del modelo podría ser particularmente útil ya que los parámetros tienen una interpretación útil:
𝛽1 la asíntota horizontal superior
𝛽2 el intercepto en y
𝛽3 el parámetro de tasa
𝛽4 el parámetro de forma. Si el parámetro de forma es mayor que uno, la curva es sigmoidal.
Para ingresar esto como una fórmula de columna en JMP , el primer paso es definir los parámetros y sus valores iniciales. Para comenzar, cree una nueva columna en la tabla de datos y agregue una fórmula de columna. En el editor de fórmulas, cambie la opción de la lista en el panel inferior central de Constantes a Parámetros.
Haga clic en Nuevo parámetro. En el cuadro de diálogo que se abre, proporcione el nombre del parámetro y el valor inicial como se muestra.
Repita el proceso para ingresar cada parámetro en el modelo junto con su valor inicial.
Una vez que haya definido los parámetros, puede ingresar la fórmula del modelo utilizando el Editor de fórmulas. Tenga en cuenta que los parámetros aparecerán en negrita en la fórmula.
Después de que la fórmula del modelo esté en la tabla de datos con los valores iniciales de los parámetros apropiados, proceda a la plataforma no lineal, ingresando la variable Y y la columna de la fórmula del modelo creada anteriormente como X, Fórmula de predicción. Después del primer conjunto de iteraciones, este modelo debería haber convergido. Haga clic en el botón Límites de confianza para ver los límites en torno a las estimaciones de los parámetros.
Varios de los límites de confianza se informan como valores faltantes. Los intervalos son intervalos de confianza de verosimilitud del perfil, y no es raro que la técnica iterativa utilizada para obtener estos límites no converja con éxito en los límites para las estimaciones de los parámetros.
Al examinar estos resultados, tenga en cuenta que la estimación del parámetro b4 está muy cerca de 1. Dado que b4 representa un exponente en el modelo, si es igual a 1, no tiene efecto en el cálculo y no necesita ser incluido en el modelo. Para explorar el efecto en el modelo si fija b4 en 1 primero, recuerde la solución actual haciendo clic en el triángulo rojo y seleccionando Recordar solución. Nombra este modelo Original. Esto agrega una nueva sección a la ventana de resultados con estadísticas de ajuste y estimaciones de parámetros para el modelo recordado. Desplácese hasta el panel de control en la ventana de resultados. Cambie el valor de b4 a 1 y haga clic en el cuadrado para bloquear ese valor. Vuelva a ejecutar el modelo haciendo clic en Ir.
Utilice la opción del triángulo rojo para recordar esta solución y luego examine el panel Modelos recordados.
Se ha realizado un resumen de la información de ajuste, las estimaciones de los parámetros para el nuevo modelo y una comparación entre los modelos. En este caso, con un p-valor de 0.8933, no hay evidencia suficiente para concluir que las sumas de cuadrados de error (SSE) de los modelos son diferentes. Esto podría llevarlo a concluir que el modelo más simple es una mejor opción en este caso, y podría optar por eliminar el parámetro b4 de la ecuación del modelo.
Resumiendo
En esta serie, ha visto tres formas diferentes de abordar la instalación de un modelo no lineal en JMP: el Plataforma Fit Curve , la biblioteca de modelos en la plataforma no lineal y un modelo personalizado en la plataforma no lineal. El enfoque no lineal clásico, que usa una fórmula de columna, es más poderoso y flexible, mientras que la plataforma Fit Curve es más fácil de usar. Para aquellos nuevos en el ajuste de modelos no lineales, el uso de Ajustar curva puede ser una buena manera de facilitar el modelado no lineal. Una vez que se sienta más cómodo con la especificación de modelos, puede explorar toda la potencia del enfoque clásico en JMP para expandir los tipos de modelos disponibles.
Nota del editor: echa un vistazo a todo serie de cuatro partes .
Querida comunidad,
Hilo de excelente calidad. Buen trabajo.
Dos preguntas:
(1) ¿Podemos agregar restricciones para ayudar a la herramienta con la estimación de los límites de confianza?
(2) ¿Cuáles son los pasos a seguir para utilizar el error estándar estimado, siempre disponible, para calcular los límites de confianza?
Atentamente
Esteban
Esta serie es un excelente tutorial para el modelado no lineal. Sin embargo, esperaba encontrar un paso más: cómo agregar un modelo personalizado a la plataforma Fit Curve. Si bien la parte 4 mostró las funciones adicionales de la plataforma no lineal, Ajustar curva proporciona excelentes resúmenes de comparación (p. ej., AICc) cuando se ajustan varios modelos y en tablas que se pueden crear fácilmente para capturarlas en un documento de Word. ¿Hay alguna forma de agregar un modelo personalizado a la plataforma Fit Curve?
