Objet : Intervalle de confiance moyen/individuel dans les modèles mixtes pour les nouveaux points de donnéesSalut Anja : Si vous ajoutez de nouvelles lignes à votre ensemble de données, avec les valeurs de points de données que vous souhaitez prédire, mais laissez le "Y" comme manquant ( . ).Ensuite, il vous donnera ce que vous recherchez.
Objet : Intervalle de confiance moyen/individuel dans les modèles mixtes pour les nouveaux points de donnéesMerci pour votre réponse rapide.
Malheureusement, ce n'est pas le cas. C'est exactement ce que j'ai essayé. Il donne simplement les intervalles de confiance pour les points de données où "Y" n'est pas manquant et a été utilisé dans l'ajustement du modèle.
Quelle version de JMP utilisez-vous ? J'utilise JMP Pro version 17.
Objet : Intervalle de confiance moyen/individuel dans les modèles mixtes pour les nouveaux points de donnéesHmm. Êtes-vous sûr d'avoir tous vos prédicteurs dans les colonnes ajoutées (avec Y manquant) ?Cela signifie des valeurs pour tous les facteurs (fixes, aléatoires, peu importe) qui sont dans votre modèle (catégoriel et numérique), et toute variable "par" que vous avez pu utiliser. J'utilise JMP V17, mais le fait que vous utilisiez Pro ne devrait pas avoir d'importance.
Objet : Intervalle de confiance moyen/individuel dans les modèles mixtes pour les nouveaux points de donnéesEt @Anja_W ... vous devez faire très attention à ce que vous voulez exactement. Voulez-vous des intervalles pour une certaine combinaison de niveaux de facteurs (aléatoires et fixes) que vous avez utilisés pour construire votre modèle ? Ou voulez-vous des intervalles basés sur la variabilité totale des données, et non pour un niveau particulier d'effet(s) aléatoire(s) ? Si vous voulez le premier, cela devrait fonctionner comme je l'ai décrit plus tôt. Si vous voulez ce dernier, alors c'est un animal entièrement différent et je vous indiquerai ici.
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6916346/
Objet : Intervalle de confiance moyen/individuel dans les modèles mixtes pour les nouveaux points de donnéesMerci beaucoup. J'ai oublié d'ajouter une valeur au facteur aléatoire puisque la prédiction est censée être pour un nouveau groupe que je ne connais pas encore. Cela fonctionne si j'insère un niveau déjà existant du facteur aléatoire mais n'en dépend en fait pas.
Objet : Intervalle de confiance moyen/individuel dans les modèles mixtes pour les nouveaux points de donnéesJ'ai suivi cette conversation avec intérêt. Autant que je sache, les intervalles de prédiction pour les deux situations que vous décrivez peuvent être calculés dans JMP. Si vous voulez un intervalle de prédiction pour un certain niveau d'un effet aléatoire, vous choisissez
Enregistrer les colonnes --> CI individuel conditionnel
Si vous voulez un intervalle de prédiction où la variabilité de l'effet aléatoire est incluse, vous choisissez
Enregistrer les colonnes --> Intervalle de confiance individuel
Objet : Intervalle de confiance moyen/individuel dans les modèles mixtes pour les nouveaux points de donnéesExactement.
Mais aussi pour ce dernier "Indiv Confidence Interval", vous devez fournir une valeur pour le facteur aléatoire. C'est ce qui m'a intrigué. Mais la sortie sera la même quelle que soit la valeur fournie.
Objet : Intervalle de confiance moyen/individuel dans les modèles mixtes pour les nouveaux points de données@Anja_W et @StefanC . Points pris ; il semble que cette version de JMP ait cette option, ce qui est une amélioration (et peut-être que je l'ai manquée dans les versions précédentes). Cela dit, il y a peu d'informations précieuses (que je peux trouver) sur la façon dont JMP calcule réellement cet "intervalle de confiance individuel". Et la recherche dans ce domaine indique que bon nombre des méthodes « standard » pour de tels intervalles sont incomplètes et doivent être améliorées ; pour un résumé du problème relatif à JMP et à d'autres logiciels, voir la section 3.5 ici ( https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6916346/ ). Là-dedans, wrt JMP, il est dit :
"Dans JMP, la plate-forme "Fit Model" permet d'exécuter un modèle mixte et les PI peuvent être obtenus à partir de l'option "IC individuel" du menu "Save Columns". Il n'y a pas de formule ni de discussion dans l'aide concernant le PI et ses degrés de liberté. On peut en fait remarquer que les degrés de liberté pour les effets fixes (c'est-à-dire Kenward-Roger) sont utilisés pour l'IP. Ce n'est pas approprié comme expliqué dans la section 3.2 avec des IP trop larges (voir la section suivante)."
Objet : Intervalle de confiance moyen/individuel dans les modèles mixtes pour les nouveaux points de donnéesJ'ai creusé cela plus loin. J'ai calculé les intervalles de prédiction en utilisant les exemples des sections 5.2 et 5.3 (dans le lien que j'ai fourni, https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6916346/ ) via JMP et via la méthode qui y est décrite. Et, à ma grande surprise... ils correspondent ! C'est vraiment une merveilleuse amélioration. Merci JMP pour cette mise à jour, et merci @Anja_W et @StefanC pour travailler ensemble pour démêler cela.
Objet : Intervalle de confiance moyen/individuel dans les modèles mixtes pour les nouveaux points de données@MRB3855 Je sais que les PI calculés dans JMP étaient beaucoup trop conservateurs pour certaines conceptions. Mais il semble que cela ait été amélioré dans les versions récentes. Mais comme vous le dites, il manque des informations sur la méthode de calcul.
Très bon article au fait.
Objet : Intervalle de confiance moyen/individuel dans les modèles mixtes pour les nouveaux points de donnéesJe viens de voir votre message. C'est effectivement une amélioration. Merci pour le bon travail!
Objet : Intervalle de confiance moyen/individuel dans les modèles mixtes pour les nouveaux points de donnéesL'article auquel vous avez fait référence était correct lorsqu'il a été rédigé ; les DF utilisés pour les intervalles de confiance individuels (c'est-à-dire les intervalles de prédiction) lorsqu'un modèle mixte était ajusté étaient à l'origine par défaut les DF KR pour un intervalle de confiance habituel. Cela a été corrigé (en utilisant le document que vous avez référencé comme référence principale) à partir de JMP et JMP Pro 16. L'option IC individuelle n'était pas disponible dans la personnalité mixte (la personnalité JMP Pro pour l'ajustement des modèles mixtes) avant cette version, bien qu'elle soit disponible si vous adaptiez un modèle mixte simple à l'aide de REML sous la personnalité des moindres carrés standard. Je peux demander à l'équipe de documentation de mettre à jour la documentation avec plus de détails, ou au moins de pointer vers cet article pour les calculs.
Quant à la nécessité de spécifier un niveau d'effet aléatoire bien qu'il ne soit pas utilisé dans le calcul d'un CI individuel, cela résulte du comportement typique consistant à omettre une ligne de tous les calculs si un X (qu'il soit fixe ou aléatoire) a une valeur manquante . Avec un niveau d'effet aléatoire spécifié avec la valeur Y manquante, la ligne n'est pas utilisée pour ajuster le modèle, mais elle est toujours dans les données pour tous les autres calculs.
Objet : Intervalle de confiance moyen/individuel dans les modèles mixtes pour les nouveaux points de donnéesMerci @eclaassen pour le fond et le contexte... et l'amélioration ! Il est parfois difficile de suivre les nouveautés de la dernière version, en particulier avec ce qui peut être considéré comme des mises à jour « mineures » (mais importantes dans mon monde !) comme celle-ci. En effet, il serait utile d'avoir des détails et/ou des références dans la documentation.
Intervalle de confiance moyen/individuel dans les modèles mixtes pour les nouveaux points de donnéesSalut tout le monde,
J'adapte un modèle mixte avec un effet aléatoire dans JMP 17. Je voudrais obtenir des intervalles de confiance pour de nouvelles prédictions, c'est-à-dire des points de données qui n'ont pas été utilisés dans l'ajustement du modèle. Cependant, si je vais au triangle rouge dans la plate-forme du modèle d'ajustement et que j'utilise "Enregistrer les colonnes -> Intervalle de confiance moyen/individuel", cela donne simplement des valeurs pour les points de données utilisés dans l'ajustement du modèle. Existe-t-il un moyen dans JMP ou JSL d'obtenir des intervalles de confiance pour les nouveaux points de données ?
Si j'utilise des modèles pour les prédictions, je m'intéresse également à l'incertitude de cette prédiction.
J'apprécierais toute aide!
Meilleur,
Anja
Modélisation statistique avancéeAnalyse et modélisation des données de baseExploration et visualisation des donnéesConception d'expériences
