Skaliertes LogistikmodellHallo, ich muss das folgende logistische Modell an Daten anpassen, wobei Y = binär (1 = krank, 0 = nicht krank) und X kontinuierlich ist. Das Modell ähnelt einem logistischen Modell, hat aber einen zusätzlichen Parameter, Lambda. Jeder Ratschlag zum Vorgehen in JMP ist willkommen.
Erweiterte statistische ModellierungBetreff: Skaliertes LogistikmodellHallo @vincem : Das ist das logistische 3p-Modell in der Modellbibliothek der nichtlinearen Plattform, wobei Lambda (Ihr Modell) = Theta1, Alpha (Ihr Modell) = ln(Theta2), Beta (Ihr Modell) = Theta3.
Betreff: Skaliertes Logistikmodellvielen Dank. Meine Antwort ist jedoch binär (krank = 1 oder nicht krank = 0). Ich bin mir nicht sicher, ob die nichtlineare Plattform eine binäre Antwort verarbeiten kann. Ich weiß Ihre Hilfe zu schätzen. Nochmals vielen Dank.
Betreff: Skaliertes LogistikmodellHallo @vincem. Dies kann mit der von @peng_liu hier beschriebenen Methode erfolgen. Die Log-Likelihood wird jedoch anders sein. Siehe hier.
https://community.jmp.com/t5/Discussions/fitting-truncated-data-to-a-continuous-distribution/mp/772507#M95290
Und siehe Abschnitt 12.2.1 hier (Sie müssen ihn leicht anpassen, um Lambda einzuschließen).
https://www.stat.cmu.edu/~cshalizi/uADA/12/lectures/ch12.pdf
fürdie Log-Likelihood-Funktion (verwenden Sie die negative Log-Likelihood, wie @peng_liu erklärt)
Fragen, kommen Sie wieder.
Betreff: Skaliertes LogistikmodellNochmals vielen Dank. Ich habe das nichtlineare Modell angepasst und das Folgende angepasst, wobei prop=n/N in der folgenden Tabelle ist. Parameterschätzungen unten aufgeführt. Ich denke, es hat wie vorgesehen funktioniert.
Die Daten stammen aus der Veröffentlichung
https://pubmed.ncbi.nlm.nih.gov/21983214/
| Wertpapiere | Impfstoff | n | N | Stütze |
| 5 | Keine Grippe | 6 | 119 | 0,05042 |
| 20 | Keine Grippe | 0 | 2 | 0 |
| 40 | Keine Grippe | 0 | 1 | 0 |
| 80 | Keine Grippe | 0 | 4 | 0 |
| 160 | Keine Grippe | 0 | 7 | 0 |
| 320 | Keine Grippe | 0 | 13 | 0 |
| 453 | Keine Grippe | 0 | 1 | 0 |
| 640 | Keine Grippe | 0 | 4 | 0 |
| 2560 | Keine Grippe | 0 | 1 | 0 |
| 3620 | Keine Grippe | 0 | 1 | 0 |
| 5 | TIV-Steuerung | 2 | 25 | 0,08 |
| 10 | TIV-Steuerung | 2 | 36 | 0,055556 |
| 20 | TIV-Steuerung | 4 | 47 | 0,085106 |
| 28 | TIV-Steuerung | 0 | 1 | 0 |
| 40 | TIV-Steuerung | 2 | 42 | 0,047619 |
| 57 | TIV-Steuerung | 0 | 1 | 0 |
| 80 | TIV-Steuerung | 4 | 28 | 0,142857 |
| 113 | TIV-Steuerung | 0 | 1 | 0 |
| 160 | TIV-Steuerung | 0 | 32 | 0 |
| 226 | TIV-Steuerung | 0 | 1 | 0 |
| 320 | TIV-Steuerung | 0 | 17 | 0 |
| 640 | TIV-Steuerung | 0 | 16 | 0 |
| 905 | TIV-Steuerung | 0 | 2 | 0 |
| 1280 | TIV-Steuerung | 0 | 35 | 0 |
| 1810 | TIV-Steuerung | 0 | 4 | 0 |
| 2560 | TIV-Steuerung | 0 | 19 | 0 |
| 3620 | TIV-Steuerung | 0 | 2 | 0 |
| 5120 | TIV-Steuerung | 0 | 4 | 0 |
| 5 | TIV Adjektiv | 0 | 4 | 0 |
| 40 | TIV Adjektiv | 0 | 1 | 0 |
| 80 | TIV Adjektiv | 0 | 1 | 0 |
| 160 | TIV Adjektiv | 0 | 21 | 0 |
| 226 | TIV Adjektiv | 0 | 2 | 0 |
| 320 | TIV Adjektiv | 0 | 63 | 0 |
| 453 | TIV Adjektiv | 0 | 7 | 0 |
| 640 | TIV Adjektiv | 1 | 76 | 0,013158 |
| 905 | TIV Adjektiv | 0 | 4 | 0 |
| 1280 | TIV Adjektiv | 1 | 63 | 0,015873 |
| 1810 | TIV Adjektiv | 0 | 4 | 0 |
| 2560 | TIV Adjektiv | 0 | 46 | 0 |
| 3620 | TIV Adjektiv | 0 | 9 | 0 |
| 5120 | TIV Adjektiv | 0 | 10 | 0 |
