Re: ampi intervalli di confidenza in Profiler per regressioni binomiali generalizzateBenvenuto nella comunità. Non sono sicuro di poter fornire tutti i consigli di cui hai bisogno per quanto riguarda la modellazione su questo forum. Quale versione di JMP stai usando? È anche molto difficile fornire consigli con un contesto così limitato. Qual è la risposta? Quanto sei sicuro della misurazione della risposta? Come hai ottenuto il set di dati?
Esistono numerose statistiche da utilizzare per la valutazione dell'overfitting (ad esempio, confrontare RSquare con RSquare Adj. All'aumentare di questo delta, è evidente che hai termini non importanti nel modello, RSquares negativi da a insieme di dati di convalida ). Guardando il pdf che hai inviato (è molto più facile per noi guardare quello che hai quando alleghi la tabella dei dati), è difficile da valutare. RSquare indica che il tuo modello spiega <30% della variazione dei dati. Il gene 4 sembra essere l'unico gene interessante (valore p relativamente significativo). Gli errori standard sembrano grandi.
Potresti trovare utili questi link
https://www.jmp.com/support/help/en/17.0/?os=mac&source=application#page/jmp/estimation-method-options.shtml
https://www.jmp.com/support/help/en/17.1/index.shtml#page/jmp/example-of-the-model-comparison-table-in-generalized-regression.shtml#
Re: ampi intervalli di confidenza in Profiler per regressioni binomiali generalizzateÈ possibile utilizzare una qualche forma di convalida incrociata per valutare la distorsione e la varianza da un adattamento insufficiente o eccessivo dei dati.
Le risposte binomiali o dicotomiche generalmente mostrano un grado più elevato di incertezza nelle previsioni rispetto a una risposta quantitativa.
La questione di ciò che è previsto o accettabile è soggettiva. Non ci sono regole o linee guida esterne.
Ampi intervalli di confidenza nel Profiler per le regressioni generalizzate binomialiCiao a tutti,
Sto eseguendo una modellazione predittiva e gradirei un feedback su quanto bene si adatta il mio modello, poiché sono nuovo nella modellazione e non voglio commettere errori nella selezione del modello. Ho una risposta categoriale binomiale e predittori continui (n=54, p=15). Ho scelto un modello penalizzato, Elastic Net, e il mio modello sembra avere un adattamento accettabile (RSquare = .28, ROC = .7888, file pdf allegato).
Sono preoccupato per gli ampi intervalli di confidenza mostrati nei grafici del profiler e voglio assicurarmi che il mio modello non sia sovradimensionato. Detto questo, anche l'esempio di regressione generale binomiale mostrato nella documentazione di jmp ha ampi intervalli di confidenza, quindi mi chiedo cosa sia accettabile/previsto con una regressione generale binomiale ( https://www.jmp.com/support/help/en/17.1/index.shtml#page/jmp/example-of-binomial-generalized-regression.shtml# ).
Hai qualche feedback sul fatto che il mio modello mostri segni di overfitting o se sembra sicuro procedere? Ci sono altre metriche che dovrei considerare nella valutazione del mio adattamento?
Grazie in anticipo per aver dato un'occhiata a questo!
Esplorazione e visualizzazione dei datiRe: ampi intervalli di confidenza in Profiler per regressioni binomiali generalizzateCiao Mark,
Grazie per la risposta!! Sto usando AICc come convalida, che ho pensato fosse l'opzione migliore data la mia piccola dimensione del campione n=54. Consiglieresti invece di usare k fold o leave-one-out?
Per quanto riguarda l'incertezza: uno dei miei obiettivi è essere in grado di evidenziare quali geni hanno una correlazione positiva con la risposta (cioè la probabilità di risposta è più alta quando i conteggi genici sono più alti). Non sarei in grado di farlo con questi ampi intervalli di confidenza? La mia scelta nell'usare modelli di regressione penalizzata è la strada migliore da percorrere o c'è un altro metodo che consiglieresti che potrebbe fornire maggiore certezza con campioni di piccole dimensioni? Ho esaminato molti metodi e sembra che un modello penalizzato sia preferito per i casi in cui il numero di predittori è maggiore di n/10 (secondo il libro del Dr. Frank Harrel sulle regressioni generalizzate e altre fonti). Ma se non si adatta bene, suppongo che dovrebbe prendere in considerazione altri metodi. Inoltre, ho appena allegato la mia tabella di dati alla mia domanda.
Non sono sicuro di quale sia lo scopo di questo forum, quindi mi scuso se le mie domande sono al di fuori di esso! Non preoccuparti se non puoi rispondere 
Grazie!
Re: ampi intervalli di confidenza in Profiler per regressioni binomiali generalizzateCiao Statmann,
Grazie per la vostra risposta!! Ho allegato la tabella dei dati alla mia domanda originale. Devo proteggere un certo livello di riservatezza, ma posso dire che la risposta è una diagnosi medica ed è determinata secondo le linee guida mediche. Sono certo che le diagnosi siano corrette secondo quelle linee guida. I predittori derivano dai dati di sequenziamento profondo che abbiamo generato. Abbiamo iniziato con 6.000 risposte misurate e ho eseguito la riduzione dei dati (cieco a questi campioni); dopo aver ridotto il più possibile, sono finito con 15 predittori.
È possibile che il cercatore di predittori di JMP evidenzi predittori migliori rispetto ai 15 con cui ho finito, tuttavia, la letteratura sembra muoversi verso metodi di riduzione dei dati in cieco per attività cliniche. Sono d'accordo che sembra che Gene 4 sia l'unico predittore significativo da solo di questo lotto.
Grazie per il suggerimento sull'osservazione delle indicazioni di adattamento eccessivo nell'adj R ^ 2. valore. Quel valore non sembra essere incluso nel mio output. Sai che posso produrlo? Grazie!!
Re: ampi intervalli di confidenza in Profiler per regressioni binomiali generalizzateAICc riguarda la selezione dei modelli tra i candidati. Non affronta la convalida. JMP offre una varietà di metodi per la convalida incrociata, a seconda che si utilizzi JMP o JMP Pro. K-fold XV è generalmente una buona scelta per piccoli set di dati. Confronta AICc tra i set di addestramento e di validazione. Non dovrebbero essere molto diversi.
Re: ampi intervalli di confidenza in Profiler per regressioni binomiali generalizzateComprendo la natura sensibile dei dati, ma la risposta non è presente nella tabella, quindi impossibile da modellare. Tutto quello che posso fare è multivariare per i geni (e ci sono alcuni valori anomali).
Scusa, non ho potuto resistere (non volevo essere antagonista, quindi per favore assecondami):
Ho dovuto ridere riguardo a questo commento. "T La risposta è una diagnosi medica ed è determinata secondo le linee guida mediche. Sono certo che le diagnosi siano corrette secondo queste linee guida". Non ridere come in haha, ma ridere in termini di sulla base di linee guida . Le linee guida sono per definizione, non definitive. Ho una rara malattia autoimmune che è stata diagnosticata erroneamente più volte da più dottori. utilizzando le linee guida mediche (linee guida cliniche)...
R-Quadrati:
https://www.jmp.com/support/help/en/17.0/?os=mac&source=application#page/jmp/statistical-details-for-the-summary-of-fit-report.shtml
