Salut,
J'ai une régression logistique multinomiale de 3 classes : 0, 1 et 2 et j'ai associé des modèles individuels (via Fit Y by X) pour N paramètres.
Je suis actuellement en train d'étudier une étude de sensibilité dans laquelle chaque paramètre est supposé à certains niveaux (par exemple au minimum, au maximum, etc.). J'ai calculé les probabilités à chaque niveau de paramètre. J'aime classer par ordre de probabilité les changements dans chaque classe (0, 1 et 2) en raison de chacune de ces actions de paramètres, ce qui est également facile.
De toute évidence, chaque Prob est calculé à partir de fonctions Lin (dans ce cas, les deux fonctions sont linéaires) - chaque ligne avec une valeur p spécifique sur les pentes et les interceptions. Quelle est la méthode recommandée et/ou la plus rapide pour calculer une sorte de niveau de confiance de probabilité sur le paramètre sélectionné ? niveaux ?
À ce stade, j'ai plutôt des données scalaires de ma population initiale - des données scalaires pour chaque paramètre avec les formules associées de Lin [Y] et Prob [Z] avec les statistiques de population... Je pense que j'aurais dû appliquer des modifications de paramètres à mes données de population d'origine, puis examiner l'intervalle de confiance à partir des distributions de probabilités (je pense que ce sera votre réponse)... J'espérais qu'il y aurait peut-être eu un autre moyen - peut-être une formule explicite - via un script.
Merci d'avance pour votre aide.
