Chère communauté JMP,
Je suis confronté à un problème de construction d'un modèle utilisant des données de comptage surdispersées et gonflées à zéro. J'espère que vous pourrez m'aider à résoudre ce problème.
J'ai joint à cet article les ensembles de données de formation et de validation. Mon objectif est de construire mon modèle sur l'ensemble de données de formation et de le valider à l'aide de l'ensemble de données de validation. Je n'ai jamais travaillé avec de telles données de comptage auparavant et je ne connais donc pas les modèles de données de comptage de validation.
Dans l'ensemble de données de formation,
- Les colonnes x1 à x9 sont mes principaux prédicteurs d'effet
- Les colonnes avec un suffixe « _quad » sont mes prédicteurs d’effet quadratique
- Les colonnes avec un préfixe « int_ » sont mes termes d’interaction.
- La colonne Y est ma réponse de comptage.
J'ai exécuté une régression binomiale négative à inflation nulle (ZINB) basée sur les méthodes d'estimation suivantes :
- Lasso
- Double lasso
- Lasso adaptatif
- Double lasso adaptatif
- TOUT lasso
- Filet élastique
- Filet élastique adaptatif
- Crête
Les modèles basés sur le lasso peuvent être obtenus en exécutant le script « ZINB – Sélection de lasso », tandis que les modèles basés sur le filet élastique peuvent être obtenus en exécutant le script « ZINB - Sélection de filet élastique ».
Les prédictions basées sur la plupart des modèles ont été extraites dans des colonnes.
J'aimerais votre aide sur les points suivants :
- Comment puis-je tester la présence d'une inflation nulle ? Et comment dois-je interpréter ce résultat ?
- Comment tester la présence d'une surdispersion ? Et comment interpréter ce résultat ?
- Pour les différentes méthodes d’estimation, quels paramètres dois-je régler pour obtenir un meilleur ajustement du modèle ?
- À l'aide de l'ensemble de données de validation, comment puis-je valider les prédictions mentionnées ci-dessus ? Je souhaite valider les prédictions de comptages nuls ainsi que les comptages non nuls.
J'utilise JMP Pro 17.1.0
S'il vous plaît aviser.
Merci.
