Intervalles de confiance manquants dans la régression orthogonaleSalut,
J'utilise une analyse de régression orthogonale sur certaines données dont je dispose pour modéliser la covariance des écarts effectués par les mains gauche (axe y) et droite (axe x) lors d'une tâche d'atteinte bilatérale. Pour la plupart, je suis capable d'utiliser les intervalles de confiance pour la pente fournis par JMP, mais dans certaines analyses, les intervalles de confiance inférieur, supérieur ou les deux ne sont pas calculés (une période est fournie au lieu d'une valeur numérique) et je peux ' Je ne semble pas comprendre pourquoi.
J'ai vérifié la documentation JMP (ici : https://www.jmp.com/support/help/en/17.0/index.shtml#page/jmp/statistical-details-for-the-fit-orthogonal-option.shtml ) qui me dirige vers un article ( https://www.jstor.org/stable/1270564 ) qui a été utilisé pour calculer les intervalles de confiance, mais j'ai du mal à en trouver quoi que ce soit qui expliquerait pourquoi dans certaines situations les IC ne peuvent pas être trouvé, en partie à cause de mes capacités/connaissances limitées en mathématiques. Ce n'est pas nécessairement un problème qu'ils ne puissent pas être calculés, mais j'aimerais pouvoir décrire pourquoi dans certains cas, ce n'est pas possible.
J'utilise JMP Pro 16 sur un macbook avec le système d'exploitation Ventura 13.0 et j'ai fourni une capture d'écran de la sortie. Les données incluent environ 500 points par ajustement mais sont mal corrélées dans certaines conditions. Cependant, dans d'autres cas que j'ai essayés, cela ne semble pas être un facteur limitant. Un exemple d'ensemble de données est joint et que j'ai utilisé pour créer également les exemples de sorties dans la capture d'écran si cela est utile,
Merci,
pseudo
Études de consommation et de marchéRe : Intervalles de confiance manquants de la régression orthogonaleSalut @OrderedMongoose ,
Comme vous l'avez décrit dans votre question, JMP calcule un intervalle de confiance comme décrit dans la référence Tan et Iglewicz 1999.
Vous pouvez utiliser le script suivant pour calculer un intervalle de confiance à l'aide d'un paramètre généré par JMP (covariance, etc.).
n = 500;
gamma = 1; //Ratio
t_dist = t Quantile( 1 - 0.025, n - 2 );
s_yy = 1.641302 ^ 2; //Variance of Y
s_xx = 1.336159 ^ 2; //Variance of X
s_xy = -0.16487; //Covariance of X and Y
phi = 1 / 2 * ArcSine(
t_dist * (2 / Sqrt( n - 2 )) * Sqrt(
gamma * (s_yy * s_xx - s_xy ^ 2) / ((s_yy - gamma * s_xx) ^ 2 + 4 * gamma * s_xy ^ 2)
)
);
beta_hat = -5.68667; //Estimate of Slope
theta_hat = ArcTan( beta_hat / Sqrt( gamma ) );
lower_confidence = Sqrt( gamma ) * Tan( theta_hat - phi );
upper_confidence = Sqrt( gamma ) * Tan( theta_hat + phi );
Show( Eval List( {lower_confidence, upper_confidence} ) );
Show( theta_hat - phi );
Lors du calcul d'un intervalle de confiance, bêta (pente) est calculé à partir de thêta (bêta est égal à tan (thêta)). Theta est décrit dans la référence. Lors du calcul d'un intervalle de confiance avec vos données d'exemple, la valeur de thêta est inférieure à -pi/2. Dans ce cas, un intervalle de confiance inférieur (32,44) est supérieur à un intervalle de confiance supérieur (-2,51), ce qui n'est pas raisonnable. Je pense que c'est pourquoi JMP n'affiche pas de résultat.
Une autre approche consiste à utiliser le boostraping. S'il te plait regarde https://www.jmp.com/support/help/en/16.2/#page/jmp/example-of-bootstrapping.shtml# .
Re : Intervalles de confiance manquants de la régression orthogonaleAhhh d'accord j'ai compris. C'est logique, merci beaucoup pour votre aide @yuichi_katsumur !
Ré : Intervalles de confiance manquants dans la régression orthogonaleComment exécuter ce script ? J'ai cliqué sur « Exécuter le script » et rien ne s'est passé.
Re : Intervalles de confiance manquants dans la régression orthogonaleLes résultats des calculs sont affichés dans le journal
Eval List({lower_confidence, upper_confidence}) = {32.4416248890056, -2.51129052017963};
theta_hat - phi = -1.6016111662264;Re : Intervalles de confiance manquants dans la régression orthogonaleMerci beaucoup. Je ne sais pas pourquoi LC est plus grand qu'UC, c'est très étrange.
