Modelo logístico a escalaHola, es necesario ajustar el siguiente modelo logístico a los datos, donde Y = binario (1 = enfermo, 0 = sin enfermedad) y X es continuo. El modelo es similar al logístico pero con un parámetro añadido, lambda. Se agradecerá cualquier consejo sobre cómo proceder en JMP.
Modelado estadístico avanzadoRe: Modelo logístico a escalaHola @vincem : Ese es el modelo Logistic 3p en la Biblioteca de modelos de plataforma no lineal, donde lambda (tu modelo) = theta1, alfa (tu modelo) = ln(theta2), beta (tu modelo) = theta3.
Re: Modelo logístico a escalamuchas gracias. sin embargo, mi respuesta es binaria (enfermo = 1, o no enfermo = 0). No estoy seguro de si la plataforma no lineal puede manejar una respuesta binaria. aprecio tu ayuda. gracias de nuevo.
Re: Modelo logístico a escalaHola @vincem. Se puede hacer mediante el método descrito por @peng_liu aquí. Sin embargo, la probabilidad logarítmica será diferente. Mira aquí.
https://community.jmp.com/t5/Discussions/fitting-truncated-data-to-a-continuous-distribution/mp/772507#M95290
Y consulte la sección 12.2.1 aquí (deberá adaptarla ligeramente para incluir lambda).
https://www.stat.cmu.edu/~cshalizi/uADA/12/lectures/ch12.pdf
parala función de probabilidad logarítmica (use la probabilidad logarítmica negativa como explica @peng_liu )
Preguntas, vuelve.
Re: Modelo logístico a escalaGracias de nuevo... He instalado el modelo no lineal y he instalado lo siguiente, donde prop=n/N en la siguiente tabla. Estimaciones de parámetros que se indican a continuación. Creo que funcionó como debería.
Los datos son de la publicación.
https://pubmed.ncbi.nlm.nih.gov/21983214/
| valores | vacuna | n | N | apuntalar |
| 5 | Sin gripe | 6 | 119 | 0.05042 |
| 20 | Sin gripe | 0 | 2 | 0 |
| 40 | Sin gripe | 0 | 1 | 0 |
| 80 | Sin gripe | 0 | 4 | 0 |
| 160 | Sin gripe | 0 | 7 | 0 |
| 320 | Sin gripe | 0 | 13 | 0 |
| 453 | Sin gripe | 0 | 1 | 0 |
| 640 | Sin gripe | 0 | 4 | 0 |
| 2560 | Sin gripe | 0 | 1 | 0 |
| 3620 | Sin gripe | 0 | 1 | 0 |
| 5 | Control TIV | 2 | 25 | 0,08 |
| 10 | Control TIV | 2 | 36 | 0.055556 |
| 20 | Control TIV | 4 | 47 | 0.085106 |
| 28 | Control TIV | 0 | 1 | 0 |
| 40 | Control TIV | 2 | 42 | 0.047619 |
| 57 | Control TIV | 0 | 1 | 0 |
| 80 | Control TIV | 4 | 28 | 0,142857 |
| 113 | Control TIV | 0 | 1 | 0 |
| 160 | Control TIV | 0 | 32 | 0 |
| 226 | Control TIV | 0 | 1 | 0 |
| 320 | Control TIV | 0 | 17 | 0 |
| 640 | Control TIV | 0 | dieciséis | 0 |
| 905 | Control TIV | 0 | 2 | 0 |
| 1280 | Control TIV | 0 | 35 | 0 |
| 1810 | Control TIV | 0 | 4 | 0 |
| 2560 | Control TIV | 0 | 19 | 0 |
| 3620 | Control TIV | 0 | 2 | 0 |
| 5120 | Control TIV | 0 | 4 | 0 |
| 5 | TIV adj. | 0 | 4 | 0 |
| 40 | TIV adj. | 0 | 1 | 0 |
| 80 | TIV adj. | 0 | 1 | 0 |
| 160 | TIV adj. | 0 | 21 | 0 |
| 226 | TIV adj. | 0 | 2 | 0 |
| 320 | TIV adj. | 0 | 63 | 0 |
| 453 | TIV adj. | 0 | 7 | 0 |
| 640 | TIV adj. | 1 | 76 | 0.013158 |
| 905 | TIV adj. | 0 | 4 | 0 |
| 1280 | TIV adj. | 1 | 63 | 0.015873 |
| 1810 | TIV adj. | 0 | 4 | 0 |
| 2560 | TIV adj. | 0 | 46 | 0 |
| 3620 | TIV adj. | 0 | 9 | 0 |
| 5120 | TIV adj. | 0 | 10 | 0 |
