AVISO: O grupo de consultoria estatística IDRE estará migrando o site para o WordPress CMS em fevereiro para facilitar a manutenção e criação de novos conteúdos. Algumas de nossas páginas antigas serão removidas ou arquivadas de modo que elas não serão mais mantidas. Vamos tentar manter os redirecionamentos para que os URLs antigos continuem a funcionar da melhor maneira possível. Bem-vindo ao Instituto de Pesquisa e Educação Digital Ajudar o Grupo de Consultoria Estatal dando um presente Stata FAQ Como posso testar a diferença na área sob a curva ROC para dois modelos de regressão logística Em Stata é muito fácil obter a área sob a curva ROC Seguindo logit ou logística usando o comando lroc. No entanto, com lroc, você não pode comparar as áreas sob a curva ROC para dois modelos diferentes. É possível fazer isso usando os preditores logísticos lineares e o comando roccomp. Aqui é um exemplo: Executamos dois modelos diferentes e tem áreas sob a curva ROC de .5785 e .8330. Em seguida, vamos usar os dois preditores lineares com o comando roccomp para obter um teste das diferenças na área sob a curva ROC. O uso de roccomp com preditores lineares da regressão logística funcionará com modelos aninhados e não aninhados. Graças a Sid Port por sugerir essa abordagem. Mario A. Cleves, do balcão de atendimento: comparando áreas sob as curvas características operacionais do receptor de dois ou mais modelos probit ou logit. The Stata Journal (2002) 2, No. 3, pp. 301-313. O conteúdo deste site não deve ser interpretado como um endosso de qualquer site, livro ou produto de software da Universidade da Califórnia. Area sob uma curva AUROC não é necessário ser igual à precisão do modelo. Às vezes, o AUC registra uma taxa maior do que a precisão e vice-versa. Qual a dose que nos diz Existe algum link para classificar a qualidade ou a confiança da decisão do modelo O AUROC tem relação direta com a confiança da decisão dos modelos. Isso ajuda você a decidir onde desenhar a linha de limiar entre casos normais e anormais. Depende da relação entre sensibilidade e especificidade, onde, a sensibilidade é a proporção de casos que são positivamente classificados em número de casos positivos, enquanto que a especificidade é a proporção de casos negativamente classificados no número de casos negativos. Se a curva ROC estiver dentro da linha (SpecificitySensitivity), significa que o modelo pode identificar casos positivos com alta taxa de precisão, mas a detecção de casos negativos não será a mesma (baixa taxa de precisão), enquanto que se a curva ROC for maior que a A linha dos casos negativos será classificada corretamente. O valor perfeito desta curva é (0,1) onde a sensibilidade 1 e o valor de (1 - especificidade) devem ser 0. Eu sou um noob nas análises da AUC e gostaria de obter alguma ajuda com um problema provavelmente bastante estúpido: Considere uma população de células, dividida em 5 pratos. Cada placa é tratada com uma concentração diferente (X) de algum medicamento. A fração Y de células sobreviventes é então modelada por log (Y) aXsup2 bX c. Este experimento é reaparecido n vezes com populações celulares similares. Isso é corrigido e dado, não posso mudar qualquer coisa sobre esta configuração ou o modelo (por exemplo, eu sei que este tipo de modelo é Para uma análise de AUC, vejo em princípio 2 (ou 3) maneiras: 0) não realmente considerado porque eu Acho que isso é claramente sub-óptimo, uma vez que não faz qualquer uso do modelo especificado: quotbrute-forcequot manual: calcule a área de polígono para cada população de células, faça as estatísticas (média, intervalo de confiança) usando esses valores de NUC n. 1) use os dados de cada população celular (experimento) individualmente, ajuste o modelo, calcule os AUCs. Similamente para 0), acaba-se com n valores de AUC para fazer as estatísticas. 2) use todos os dados de todos os n experimentos em conjunto, ajuste o modelo e obtenha a (AUC média). Considero isso o melhor caminho, mas não sei como calular, por exemplo, o intervalo de conficiência para o AUC dos erros padrão dos parâmetros do modelo a e b. Para dar um passo adiante: como eu obteria uma comparação das AUCs de diferentes grupos (por exemplo, diferentes tipos de células). Considere-me também um noob. Mas a discussão acima parece ser cerca de duas coisas diferentes, não é o PO pedir área sob a curva de concentração para um estudo farmacocinético de concentração versus efeito. As respostas parecem ser sobre Área sob a Curva de Característica Operacional do Receptor, mas são corretas por si mesmas. A maneira de ver qual é o que se pergunta é a variável de referência binária (por exemplo, deadalive, LD50 gtlt k, etc.). Eu acho que o OP está falando sobre variáveis cts e não existe uma variável de referência binária exógenamente conhecida.
Fundada em 2003 sob o nome comercial easy-forex, o easyMarkets é um corretor global premiado com plataformas de negociação proprietárias inovadoras de acesso total ao mercado. Com mais de uma década de experiência comercial e 40 mil clientes satisfeitos em 160 países em todo o mundo, nossas parcerias de afiliados forex permitem que os comerciantes acessem os mercados globais com uma plataforma fácil. Escolha entre forex, índices, commodities, metais e opções de baunilha e comece a comercializar. As afiliadas do easyMarkets são um dos programas de afiliados financeiros mais duradouros, confiáveis e mais prováveis em todo o mundo. Saiba mais sobre o easyMarkets Afiliados Saiba mais sobre o easyMarkets: Política de cookies Ao usar este site, você concorda que podemos armazenar e acessar os cookies em seu dispositivo. Isto é para melhorar a sua experiência online. O que são Cookies Os cookies são pequenos arquivos de texto que são enviados e armazenados em seu computador, smartphone ou
Comments
Post a Comment