Hallo,
Ich versuche, die Daten für jede Behandlung separat zu modellieren, für x und y, um den Wert, der x von y/100 = 0,5 entspricht, und den Wendepunkt der generierten logistischen Kurve vorherzusagen. Ich möchte ein logistisches Modell mit 2P, weil assyp. bekannt ist (1).
Zu diesem Zweck probiere ich auf Empfehlung eines Mitarbeiters (vielen Dank) zwei verschiedene Möglichkeiten: die Verwendung von GLMM im Fit-Modell und die nichtlineare Plattform.
Ausgehend von meinem Problem mit GLMM habe ich mehrere Fragen dazu:
1. Wie kann ich den Wendepunkt dieser Kurve herausfinden? Ich habe keine Menüoption gefunden, um ihn anzuzeigen.
2. Der Fehler std. Bei Verwendung der Binomialverteilung (ich habe danach gesucht und denke, dass sie für Proportionen die beste Wahl ist, aber ich bin mir nicht sicher) ist der Fehler bei Behandlung C (eines der anfänglichen Probleme) so hoch, aber auch bei Behandlung A (ich hatte dieses Problem vorher nicht). Ist die von mir gewählte Verteilung das Hauptproblem?
3. Schließlich ist bei Verwendung der Binomialverteilung in vielen Behandlungen die Wahrscheinlichkeit Chisqr für das „Modell“ nicht signifikant, aber die Anpassungsgütestatistiken haben einen guten Wert (ich habe sie in einer JMP-Antwort in einem Community-Beitrag gefunden). Ergibt das Modell mit diesem Chisqr-Wert ein gutes Ergebnis?
Was die Art der Modellierung mit der nichtlinearen Plattform betrifft, habe ich, wie Sie in den Skripten sehen können, Gleichungen mit unterschiedlicher Parametrisierung (und Log2P von JMP) ausprobiert, aber ich habe ein Problem, wenn ich auf „Los“ drücke. Das Ergebnis passt nicht zur gewünschten Kurve und ich denke, dass dies an den Anfangswerten der Parameter liegen könnte. Gibt es eine Möglichkeit, diesen Anfangswert zu schätzen, um diesen Fehler zu vermeiden? Auch wenn ich versuche, eine benutzerdefinierte inverse Vorhersage zu treffen, schlägt dies fehl.
Ich füge diesem Beitrag einen anonymen Datensatz der Werte bei. Ziel ist es, trotz der Datenbeschränkungen ein gutes Ergebnis für das zu erzielen, was ich in den Skripten versucht habe.
Vielen Dank im Voraus.
Hallo Kaik,
Danke für Ihre Fragen.
- Bei einer binomialen Regressionskurve ist der Wendepunkt der Punkt mit einer Wahrscheinlichkeit von 0,5 (den Sie bereits mit der Funktion „Inverse Vorhersage“ gefunden haben).
- Ich glaube nicht, dass die von Ihnen gewählte Verteilung das Problem ist, sondern eher die Spärlichkeit Ihrer Daten. Sie erhalten möglicherweise bessere Ergebnisse, wenn Sie im Fenster „Modell anpassen“ das Kontrollkästchen „Firth Bias-Adjusted Estimates“ aktivieren. Hier ist ein Beitrag von @Mark_Bailey , der einige Hintergrundinformationen liefert.
- Ich verstehe die Frage nicht. Vielleicht weiß jemand anders in der Community Bescheid, oder vielleicht könnten Sie sie anders formulieren?
Bezüglich der nichtlinearen Frage haben Sie möglicherweise mehr Glück mit der Fit Curve-Plattform, auf der Sie Wendepunkte sehen, Äquivalenztests durchführen, Parallelität vergleichen usw. können. Ich habe Ihrer ursprünglichen Datentabelle ein Fit Curve-Skript angehängt.
Hallo @Kaik
Wenn Sie den Wendepunkt der Kurve finden möchten, können Sie die erste Ableitung nehmen.
Ableitungen erster Ordnung erhalten
Weitere Einzelheiten finden Sie in der Hilfedokumentation: Hilfe-->JMP durchsuchen
Hallo @stan_koprowski : Wenn Sie die 2. Ableitung (bzgl. x) = 0 setzen und dann nach x lösen, erhalten Sie den Wendepunkt …
Hallo Jed,
Vielen Dank für Ihre Antwort! Ich werde es mit dem zweiten Punkt versuchen, den Sie mir vorgeschlagen haben. Beim dritten Punkt geht es um die Parameter, die JMP uns zur Verfügung stellt, um anzugeben, ob die Kurve angepasst ist oder nicht, und wie wir sie interpretieren sollen.
