E se il modello non lineare vuoi non è nel Adatta curva piattaforma o il Libreria di modelli della piattaforma non lineare?
È possibile creare una formula modello in una colonna della tabella dati. Se il modello è quello che prevedi di utilizzare spesso, potresti considerare di aggiungerlo alla libreria dei modelli. (Informazioni su come farlo sono contenute nel libro JMP Predictive and Specialized Modeling nel capitolo su Regressione non lineare . Cerca la sezione intitolata "Personalizza la libreria del modello non lineare".)
Se ricordi l'esempio del calcio da parte 3 di questa serie , Howard Grimes dell'Idaho State University ha fatto un esperimento per determinare la quantità di calcio radioattivo nelle cellule. In particolare, era interessante la relazione tra la quantità di tempo in cui le cellule erano in sospensione e la quantità di calcio radioattivo nelle cellule. Abbiamo utilizzato il modello di crescita di Weibull nella libreria dei modelli. Tuttavia, supponiamo che tu sia interessato ad adattare il modello in una forma diversa:
Questa forma del modello potrebbe essere particolarmente utile in quanto i parametri hanno un'interpretazione utile:
𝛽1 l'asintoto orizzontale superiore
𝛽2 l'intercetta y
𝛽3 il parametro del tasso
𝛽4 il parametro della forma. Se il parametro di forma è maggiore di uno la curva è sigmoidale.
Per inserire questo come una formula di colonna in JMP , il primo passo è definire i parametri ei loro valori iniziali. Per iniziare, crea una nuova colonna nella tabella dati e aggiungi una formula di colonna. Nell'editor di formule, modifica la scelta dell'elenco nel pannello inferiore centrale da Costanti a Parametri.
Fare clic su Nuovo parametro. Nella finestra di dialogo che si apre, fornire il nome del parametro e il valore iniziale come mostrato.
Ripetere il processo per inserire ogni parametro nel modello insieme al suo valore iniziale.
Una volta definiti i parametri, è possibile inserire la formula del modello utilizzando l'editor di formule. Si noti che i parametri appariranno come voci in grassetto nella formula.
Dopo che la formula del modello si trova nella tabella dati con i valori iniziali del parametro appropriato, procedere alla piattaforma non lineare, immettendo la variabile Y e la colonna della formula del modello creata in precedenza come X, formula predittiva. Dopo la prima serie di iterazioni, questo modello avrebbe dovuto convergere. Fare clic sul pulsante Confidence Limits per visualizzare i limiti attorno alle stime dei parametri.
Molti dei limiti di confidenza sono segnalati come valori mancanti. Gli intervalli sono intervalli di confidenza di verosimiglianza del profilo e non è raro che la tecnica iterativa utilizzata per ottenere questi limiti non riesca a convergere con successo sui limiti per le stime dei parametri.
Nell'esaminare questi risultati, si noti che la stima per il parametro b4 è molto vicina a 1. Dato che b4 rappresenta un esponente nel modello, se è uguale a 1 non ha alcun effetto sul calcolo e non necessita di essere incluso nel modello. Per esplorare l'effetto sul modello se fissi prima b4 a 1, ricorda la soluzione corrente facendo clic sul triangolo rosso e selezionando Ricorda soluzione. Dai un nome a questo modello Originale. Ciò aggiunge una nuova sezione alla finestra dei risultati con statistiche di adattamento e stime dei parametri per il modello memorizzato. Scorri fino al pannello di controllo nella finestra dei risultati. Cambia il valore di b4 in 1 e fai clic nel quadrato per bloccare quel valore. Rieseguire il modello facendo clic su Vai.
Utilizzare l'opzione del triangolo rosso per ricordare questa soluzione, quindi esaminare il pannello Modelli ricordati.
Sono stati effettuati un riepilogo delle informazioni sull'adattamento, le stime dei parametri per il nuovo modello e un confronto tra i modelli. In questo caso, con un valore p di 0,8933, non ci sono prove sufficienti per concludere che le somme dei quadrati degli errori (SSE) dei modelli siano diverse. Ciò potrebbe portarti a concludere che il modello più semplice è una scelta migliore in questo caso e potresti scegliere di rimuovere il parametro b4 dall'equazione del modello.
Riassumendo
In questa serie, hai visto tre diversi modi per avvicinarti al fitting a modello non lineare in JMP: il Piattaforma Fit Curve , la libreria di modelli nella piattaforma non lineare e un modello personalizzato nella piattaforma non lineare. Il classico approccio non lineare, che utilizza una formula di colonna, è più potente e flessibile, mentre la piattaforma Fit Curve è più facile da usare. Per coloro che non conoscono l'adattamento di modelli non lineari, l'utilizzo di Adatta curva può essere un buon modo per facilitare la modellazione non lineare. Una volta acquisita familiarità con la specifica dei modelli, è possibile esplorare tutta la potenza dell'approccio classico in JMP per espandere i tipi di modelli disponibili.
Nota dell'editore: Scopri il tutto serie in quattro parti .
Cara comunità,
Filo di ottima qualità. Buon lavoro.
Due domande:
(1) Possiamo aggiungere vincoli per aiutare lo strumento con la stima dei limiti di confidenza
(2) Quali sono i passi da compiere per utilizzare l'errore standard stimato, sempre disponibile, per calcolare i limiti di confidenza
Cordiali saluti
Esteban
Questa serie è un eccellente tutorial per la modellazione non lineare. Tuttavia, speravo di trovare un altro passaggio: come aggiungere un modello personalizzato alla piattaforma Fit Curve. Mentre la parte 4 mostrava le funzionalità extra della piattaforma Nonlinear, Fit Curve fornisce eccellenti riepiloghi di confronto (ad es. AICc) quando si adattano più modelli e in tabelle che possono essere facilmente copiate per essere acquisite in un documento Word. Esiste un modo per aggiungere un modello personalizzato alla piattaforma Fit Curve?
