Bonjour,
J'essaie de modéliser les données de chaque traitement séparément, pour x et y afin de prédire la valeur correspondant à x de y/100 = 0,5 et le point d'inflexion de la courbe logistique générée. Je veux un modèle logistique avec 2P car assyp. est connu (1).
Pour ce faire, sur recommandation d'un membre du staff (merci beaucoup) j'essaie deux manières différentes : en utilisant GLMM dans Fit Model et la plateforme non linéaire.
En commençant par le problème que je rencontre dans GLMM, j'ai plusieurs questions à ce sujet :
1. Comment puis-je connaître le point d’inflexion de cette courbe ? Je n'ai pas trouvé d'option de menu pour l'afficher.
2. L'erreur standard. En utilisant la distribution binomiale (j'ai fait des recherches à ce sujet, et pour les proportions je pense que c'est le meilleur choix, mais je ne suis pas sûr) l'erreur est si grande dans le traitement C (un des problèmes initiaux), mais aussi dans le traitement A ( Je n'avais pas ce problème auparavant). La distribution que j'ai choisie est-elle le principal problème ?
3. Enfin, en utilisant la distribution binomiale, dans de nombreux traitements, la probabilité Chisqr n'est pas significative pour le « modèle », mais les statistiques d'adéquation ont une bonne valeur (je l'ai trouvée dans une réponse JMP dans un article de la communauté). Avec cette valeur de Chisqr, le modèle a-t-il un bon résultat ?
Concernant la manière de modéliser avec la plateforme non linéaire, comme vous pouvez le voir dans les scripts, j'ai essayé des équations avec différents paramétrages (et Log2P de JMP) mais j'ai un problème lorsque j'appuie sur 'Go'. Le résultat ne correspond pas à la courbe souhaitée et je pense que cela peut être dû aux valeurs initiales des paramètres. Existe-t-il un formulaire pour estimer cette valeur initiale afin d'éviter cette erreur ? De plus, lorsque j'essaie de faire une prédiction inverse personnalisée, cela échoue.
Je joins dans cet article un ensemble de données anonymes des valeurs. L'objectif est d'obtenir un bon résultat pour ce que j'ai essayé dans les scripts, malgré les limitations des données.
Merci d'avance.
Salut Kaik,
Merci pour vos questions.
- Pour une courbe de régression binomiale, le point d'inflexion est le point avec une probabilité de 0,5 (que vous avez déjà trouvé à l'aide de la fonction de prédiction inverse).
- Je ne pense pas que la distribution que vous avez choisie soit le problème, mais plutôt la rareté de vos données. Vous pouvez obtenir de meilleurs résultats si vous cochez la case « Estimations Firth ajustées au biais » dans la fenêtre Ajuster le modèle. Voici un article de @Mark_Bailey qui donne un aperçu.
- Je ne comprends pas la question. Peut-être que quelqu'un d'autre dans la communauté a une idée, ou peut-être pourriez-vous reformuler ?
Concernant la question non linéaire, vous aurez peut-être plus de chance avec la plateforme Fit Curve, où vous pouvez voir les points d'inflexion, faire des tests d'équivalence, comparer le parallélisme, etc. J'ai joint un script Fit Curve à votre table de données d'origine.
Salut @Kaik
Si vous souhaitez trouver le point d’inflexion de la courbe, vous pouvez prendre la dérivée première.
Obtenir des dérivés de premier ordre
Consultez la documentation d'aide pour plus de détails : Aide -> Rechercher dans JMP
Salut @stan_koprowski : Définir la dérivée 2ème (par rapport à x) = 0, puis résoudre x vous obtiendra le point d'inflexion...
Bonjour Jed,
Merci pour votre réponse ! Je vais essayer avec le deuxième point que vous m'avez proposé. Le troisième point concerne les paramètres que JMP nous fournit pour dire si la courbe est ajustée ou non, et comment l'interpréter.
