Comprendre le modèle de régressionDans la régression multiple, j'ai une variable avec une valeur p élevée (non significative), mais la puissance estimée est faible. Cela signifie-t-il que nous avons besoin de plus de données pour exclure la variable ?
Modélisation statistique avancéeAnalyse et modélisation de données de baseRe: Comprendre le modèle de régressionL'analyse de puissance rétrospective (ici) est à proscrire. La meilleure idée dans le cas d'une expérience de dépistage est de concevoir l'étude avec une puissance prospective acceptable, puis d'accepter le résultat. Vous avez éliminé ce facteur.
Re: Comprendre le modèle de régressionSalut Marc,
Pourriez-vous m'expliquer cela un peu plus ? Dans ce cas particulier, je dispose de données non conçues, donc l'analyse de puissance n'a pas été effectuée.
Merci beaucoup pour votre aide !
Re: Comprendre le modèle de régressionVous pouvez utiliser votre ensemble de données pour démarrer une conception. Vous devez d'abord ajouter les propriétés attendues de la colonne DOE. Ajoutez la propriété Limites de réponse à la colonne Y. Ajoutez la propriété Codage aux facteurs X continus. Ajoutez les propriétés Rôle de conception et Modifications des facteurs appropriées à tous les facteurs X.
Sélectionnez DOE > Augmenter la conception et attribuez les rôles appropriés aux colonnes de données, puis cliquez sur OK. Vous pouvez modifier les plages de facteurs à ce stade si vous le jugez nécessaire. Notez que l'utilisation de plages raisonnablement larges pour les facteurs continus améliore la puissance, car vous obtiendrez un effet plus important s'il y en a un. Vous pouvez modifier les termes du modèle. Incluez les termes que vous souhaitez tester.
Spécifiez le nombre d'exécutions. Ce nombre doit inclure le nombre de lignes dans l'ensemble de données d'origine. Par exemple, si vous avez 10 lignes et que vous souhaitez envisager 5 exécutions supplémentaires, saisissez 15. Vous pouvez utiliser la section Évaluation de la conception pour décider si vos modifications semblent raisonnables. L'analyse de puissance peut être particulièrement importante pour vous.
Re: Comprendre le modèle de régressionBonjour @DOE_USER : Il existe de nombreuses informations sur ce sujet. En voici quelques-unes.
https://library.virginia.edu/data/articles/post-hoc-power-calculations-are-not-useful
https://tidsskriftet.no/en/2019/01/medisin-og-tall/statistical-power-not-after
https://www.sciencedirect.com/science/article/abs/pii/S1527336909001809
Il faut se rappeler une chose : la puissance est un autre mot pour la probabilité (en particulier, la probabilité de rejeter l'hypothèse nulle lorsque l'hypothèse alternative est vraie). Mais, et c'est un gros « mais », une fois qu'une chose s'est produite (des données observées), aucune probabilité n'y est associée. Prenons l'exemple de la météo : soit il pleut maintenant, soit il ne pleut pas... aucune probabilité n'y est associée. Une analyse de puissance rétrospective tente de répondre à la (non)question « maintenant que nous savons qu'il ne pleut pas, quelle aurait été la probabilité qu'il pleuve ? ». C'est un exercice inutile (et plein de problèmes comme indiqué via les liens ci-dessus).
