Liebe JMP-Community,
Ich stehe vor dem Problem, ein Modell mit überdispersen, mit Nullen aufgeblähten Zähldaten zu erstellen. Ich hoffe, Sie können mir dabei helfen.
Ich habe diesem Beitrag sowohl Trainings- als auch Validierungsdatensätze beigefügt. Mein Ziel ist es, mein Modell auf dem Trainingsdatensatz aufzubauen und es mithilfe des Validierungsdatensatzes zu validieren. Ich habe noch nie mit solchen Zähldaten gearbeitet und kenne mich daher nicht mit der Validierung von Zähldatenmodellen aus.
Im Trainingsdatensatz
- Die Spalten x1 bis x9 sind meine Haupteffektprädiktoren
- Spalten mit dem Suffix „ _quad “ sind meine quadratischen Effektprädiktoren
- Spalten mit dem Präfix „ int_ “ sind meine Interaktionsterme.
- Spalte Y ist meine Zählantwort.
Ich habe eine Zero-Inflation-Negative-Binomial-Regression (ZINB) basierend auf den folgenden Schätzmethoden durchgeführt:
- Lasso
- Doppellasso
- Adaptives Lasso
- Adaptives Doppellasso
- ALLES Lasso
- Elastisches Netz
- Adaptives elastisches Netz
- Grat
Die Lasso-basierten Modelle erhalten Sie durch Ausführen des Skripts „ ZINB – Lasso-Auswahl “, während die elastischen Netz-basierten Modelle durch Ausführen des Skripts „ ZINB – Elastische Netzauswahl “ erhalten werden.
Auf den meisten Modellen basierende Vorhersagen wurden in Spalten extrahiert.
Ich hätte gerne Ihre Hilfe bei Folgendem:
- Wie teste ich, ob eine Nullinflation vorliegt? Und wie interpretiere ich dieses Testergebnis?
- Wie teste ich, ob eine Überdispersion vorliegt? Und wie interpretiere ich dieses Ergebnis?
- Welche Parameter muss ich bei den verschiedenen Schätzmethoden anpassen, um eine bessere Anpassung des Modells zu erreichen?
- Wie validiere ich die oben genannten Vorhersagen mithilfe des Validierungsdatensatzes? Ich möchte sowohl Vorhersagen von 0-Zählungen als auch von Zählungen ungleich 0 validieren.
Ich verwende JMP Pro 17.1.0
Bitte beraten.
Danke schön.
