Consulta de residuosHola,
Actualmente estoy trabajando con datos a los que intentamos ajustar una curva para crear una fórmula que nos permita extrapolarlos. Ninguno de los modelos se ajustaba bien, ya que todos tenían valores de AIC y BIC muy altos, así que transformé mis datos usando una función logarítmica. Luego volví a la sección de ajuste de la curva y descubrí que un modelo de crecimiento mecánico funciona bien, ya que produjo muy buenos valores de AIC y BIC. Sin embargo, noté que había un patrón en los residuos, como se muestra a continuación (Y = Residuo, X = Datos). Estos residuos muestran un patrón, ya que hay una ligera curva; sin embargo, las cifras muestran residuos de 0,1 a 0,05, cuando mis cifras reales en los datos oscilan entre 5 y 16. ¿Esto hace que el patrón en los residuos sea insignificante, ya que son muy pequeños en comparación con los datos reales? Cada punto de datos no es independiente de los demás, ya que son esencialmente datos de series temporales, si eso influye. También adjunto a continuación un gráfico de los resultados generados a partir de mi modelo (X) contra los datos originales (Y) en un gráfico. Cualquier comentario sería muy apreciado, gracias.
Modelado estadístico avanzadoRe: Consulta de residuosHola @SelecciónIguana ,
Sus datos tienen una dependencia con respecto al eje X (es decir, el tiempo), lo cual es previsible con datos curvos. Estas formas pueden aparecer en modelos "funcionales" casi perfectos y son producto de la curvatura sistemática, ya que la relación entre X e Y no es lineal. Incluso con un ajuste perfecto, los residuos pueden agruparse en patrones debido a la forma del modelo (a continuación, se muestra un ejemplo de un modelo con RSq de 0,99, pero con diferentes residuos). También es probable que observe una mayor variación en diferentes parámetros; es decir, los valores siempre pueden ser mayores en la asíntota que en la ubicación.
Estoy seguro de que otros agregarán algo a esto, pero a menos que haya una diferencia de tendencia obvia que se pueda obtener de los residuos, me concentraría en los otros parámetros de prueba del modelo.
Gracias,
Ben
Re: Consulta de residuosSi el segundo gráfico son los datos reales, me inclino a ignorar el patrón obvio en los residuos; el ajuste lineal parece bastante convincente. A partir del gráfico de residuos, sin duda pensaría que existe un patrón no lineal. Determinar si se debe intentar modelar ese patrón o simplemente basarse en el ajuste lineal requiere más contexto sobre los datos. No hay muchos puntos de datos, por lo que me gustaría comprender qué se mide aquí y cuál es el propósito del modelo. Sin ese contexto, creo que es peligroso basarse en el pequeño tamaño de los residuos o en el claro patrón en ellos como razón para elegir un modelo. ¿Podrías explicarnos qué se mide y el propósito del modelo?
Re: Consulta de residuosMencionaste que los datos son en realidad una serie temporal, por lo que las mediciones consecutivas no son independientes entre sí. Creo que esto también ayuda a explicar el patrón en los residuos que observas. Es muy probable que exista autocorrelación entre puntos sucesivos, lo que significa que tus residuos no son independientes y, por lo tanto, aparecen agrupados a lo largo del tiempo, como vemos aquí. Puedes ejecutar una prueba de Durbin-Watson para comprobarlo, disponible en JMP.
En última instancia, la estructura de error en su modelo es incorrecta, no necesariamente que su ajuste en sí sea incorrecto (sin embargo, necesitaríamos ver sus datos X, Y sin procesar para esto).
