Interprétation des résultats de la régression logistique multinomialeJ'utilise un ordinateur Mac avec JMP Pro 16.0.0
J'ai une expérience dans laquelle j'ai testé trois profondeurs d'outils et trois vitesses d'outils dans un plan factoriel complet. Mes variables de réponse sont des catégories de scores pour le niveau de perturbation des mauvaises herbes artificielles. Les catégories sont déracinées, perturbées, enterrées, partiellement perturbées et intactes. J'utilise une régression logistique multinomiale dans JMP pour analyser ces données. Mon modèle d'ajustement est : Catégorie de score comme variable de réponse et j'ai la profondeur de l'outil, la vitesse et la profondeur de l'outil*Vitesse comme effets fixes. Je vois que mon test du rapport de vraisemblance est significatif à la fois pour les effets principaux et pour l'interaction. Ma question concerne la compréhension de mes résultats d'estimations de paramètres. Je peux calculer mon Lin[déraciné], Lin[perturbé], etc. à partir du tableau de contingence, mais pas à partir des estimations des paramètres.
Je dois comprendre comment mettre mes valeurs p en phrases à partir de mon tableau d'estimations de paramètres et comment calculer mes cotes de journal à partir du même tableau afin de comprendre ce que le test me dit. J'ai joint mon ensemble de données ci-dessous pour plus de compréhension.
Exploration et visualisation des donnéesmacOSRe : Interprétation des résultats de la régression logistique multinomialeD'accord, je vois comment les estimations des paramètres sont utilisées. Maintenant, je comprends d'où vient l'équation. Cela aide beaucoup, merci, je l'apprécie. J'explorerai également davantage avec le profileur.
Re : Interprétation des résultats de la régression logistique multinomialeNon. Le tableau Estimations des paramètres teste chaque estimation par rapport à l'hypothèse nulle selon laquelle le paramètre réel est égal à zéro. C'est tout ce qu'il vous dit.
Vous pouvez utiliser d'autres informations pour interpréter la signification de ces effets. Par exemple, le Prediction Profiler vous permet de modifier les paramètres et de voir la probabilité prédite mise à jour pour chacun des niveaux de réponse. Je n'ai pas d'exemple comme le vôtre. J'ai utilisé Big Class et j'ai ajusté la réponse nominale Âge aux prédicteurs continus de poids et de taille. Voici le profileur de ce modèle :
Vous pouvez également enregistrer les formules de probabilité. JMP enregistre le prédicteur linéaire, les probabilités transformées et le niveau le plus probable compte tenu des probabilités. Voici le groupe de prédicteurs linéaires pour les log-cotes.
Voici la formule du premier prédicteur linéaire :
Les nombres sont les estimations des paramètres. Le groupe suivant de colonnes de formules transforme les probabilités du journal en probabilité :
Voici la formule de la première transformation de probabilité :
Enfin, le niveau de réponse prédit est le niveau de réponse avec la probabilité la plus élevée :
Re : Interprétation des résultats de la régression logistique multinomialeJe vais essayer de reformuler ma question. J'ai besoin d'aide pour décomposer le tableau d'estimation des paramètres lorsque j'ai deux, trois effets de niveau et une interaction. Par exemple, dans la colonne Terme, j'ai une profondeur d'outil (30 mm) et une valeur p significative. Cela signifie-t-il que les trois vitesses contenant une profondeur de 30 mm sont significativement différentes par rapport à une profondeur de 10 mm contenant les trois vitesses pour une notation perturbée/non perturbée ? De plus, dans la colonne Terme, j'ai une profondeur d'outil de 30 mm*une vitesse de 1,1 m/s, ce qui montre l'importance. Cela signifie-t-il qu'une profondeur d'outil de 30 mm à une vitesse de 1,1 m/s est significativement différente d'une profondeur d'outil de 10 mm et une vitesse de 0,89 ? m/s pour la notation Perturbé/Non perturbé ? J'ai joint une photo montrant ce tableau.
Re : Interprétation des résultats de la régression logistique multinomialeOui, j'ai utilisé l'option Enregistrer la formule de probabilité et je peux en tirer mes cotes de journal. Cependant, j'aimerais la valeur p associée aux probabilités logarithmiques des estimations des paramètres.
Re : Interprétation des résultats de la régression logistique multinomialeAvez-vous essayé de sauvegarder le modèle sous forme d'une série de formules ?
