Hola, tengo dos modelos distintos de regresión logistica donde las variables dependientes son distintas. Sé que estas dos variables están relacionadas con una tercera. Me interesaria hacer un nuevo modelo con esta tercera utilizando las variables que me han salido en las dos regresiones anteriores pero sin utilizar las variables dependientes de las dos regresiones logisticas. No sé si se puede hacer, pero si se puede, alguien sabe como? A lo mejor usando las betas? Muchas gracias Dolors [[alternative HTML version deleted]]
Hola Dolors, No sé si entiendo bien el problema que planteas. Tienes dos modelos logísticos: y = f(xi) (la "y" depende linearmente de varias "x") w = f(vi) (la "v" depende linearmente de varias "v") Y dices que la "y" y la "w" a su vez están relacionadas con una "z". Y tu duda es saber si puedes usar alguna de las "x" y alguna de las "v" para realizar un modelo del tipo: z = f(xi , vi) ¿Es esto lo que preguntas? ¿Las "xi" y las "vi" que usarías serían las que te han salido significativas en los modelos de "y" y de "w"? ¿Qué problema hay en establecer el modelo de "z" con todas las "xi" y con todas las "vi" y que el modelo te indique cuáles de ellas son significativas y cuáles no? Saludos, Carlos Ortega www.qualityexcellence.es 2010/10/4 dolors giralt casellas <dolors1985@gmail.com>> Hola, > > tengo dos modelos distintos de regresión logistica donde las variables > dependientes son distintas. Sé que estas dos variables están relacionadas > con una tercera. Me interesaria hacer un nuevo modelo con esta tercera > utilizando las variables que me han salido en las dos regresiones > anteriores > pero sin utilizar las variables dependientes de las dos regresiones > logisticas. No sé si se puede hacer, pero si se puede, alguien sabe como? A > lo mejor usando las betas? > > Muchas gracias > > Dolors > > [[alternative HTML version deleted]] > > > _______________________________________________ > R-help-es mailing list > R-help-es@r-project.org > https://stat.ethz.ch/mailman/listinfo/r-help-es > >[[alternative HTML version deleted]]
Hola, ¿qué tal? Una alternativa (sin emitir juicios acerca de su superioridad con respecto a la de los otros correos) es crear el modelo (usado la nomenclatura que aparece en el de Carlos Ortega, que aparece más abajo) z = f( y, w ) donde y y w son el el resultado de predict (de tipo "response", creo) de los modelos y = f(xi) w = f(vi) Vendría a ser algo parecido a un "perceptrón multicapa" (o "bicapa", en este caso). Se puede lograr algo parecido usando el paquete nnet. Un saludo, Carlos J. Gil Bellosta http://www.datanalytics.com 2010/10/4 Carlos Ortega <coforfe en gmail.com>:> Hola Dolors, > > No sé si entiendo bien el problema que planteas. > Tienes dos modelos logísticos: > > y = f(xi) (la "y" depende linearmente de varias "x") > w = f(vi) (la "v" depende linearmente de varias "v") > > Y dices que la "y" y la "w" a su vez están relacionadas con una "z". > Y tu duda es saber si puedes usar alguna de las "x" y alguna de las "v" para > realizar un modelo del tipo: > z = f(xi , vi) > > ¿Es esto lo que preguntas? > ¿Las "xi" y las "vi" que usarías serían las que te han salido significativas > en los modelos de "y" y de "w"? > ¿Qué problema hay en establecer el modelo de "z" con todas las "xi" y con > todas las "vi" y que el modelo te indique cuáles de ellas son significativas > y cuáles no? > > Saludos, > Carlos Ortega > www.qualityexcellence.es > > 2010/10/4 dolors giralt casellas <dolors1985 en gmail.com> > >> Hola, >> >> tengo dos modelos distintos de regresión logistica donde las variables >> dependientes son distintas. Sé que estas dos variables están relacionadas >> con una tercera. Me interesaria hacer un nuevo modelo con esta tercera >> utilizando las variables que me han salido en las dos regresiones >> anteriores >> pero sin utilizar las variables dependientes de las dos regresiones >> logisticas. No sé si se puede hacer, pero si se puede, alguien sabe como? A >> lo mejor usando las betas? >> >> Muchas gracias >> >> Dolors >> >> [[alternative HTML version deleted]] >> >> >> _______________________________________________ >> R-help-es mailing list >> R-help-es en r-project.org >> https://stat.ethz.ch/mailman/listinfo/r-help-es >> >> > > [[alternative HTML version deleted]] > > > _______________________________________________ > R-help-es mailing list > R-help-es en r-project.org > https://stat.ethz.ch/mailman/listinfo/r-help-es > >
Hola, Antes no me expliqué muy bien, tengo dos regresiones logisticas w=f(a1, ...,ai)--> ß1a2 + ß4a4+..+ßjaj y=f(b1, ...,bk)--> ß2b2 + ß5b5+..+ßnbn donde las ß son los coeficientes de cada variable la idea era hacer una función z=f(w, -y) = ß1a2 + ß4a4+..+ßjaj - ( ß2b2 + ß 5b5+..+ßnbn) que no sé si se puede hacer, teniendo en cuenta que z está relacionada con w e y. Gracias Dolors 2010/10/4 Carlos J. Gil Bellosta <cgb@datanalytics.com>> Hola, ¿qué tal? > > Una alternativa (sin emitir juicios acerca de su superioridad con > respecto a la de los otros correos) es crear el modelo (usado la > nomenclatura que aparece en el de Carlos Ortega, que aparece más > abajo) > > z = f( y, w ) > > donde y y w son el el resultado de predict (de tipo "response", creo) > de los modelos > > y = f(xi) > w = f(vi) > > Vendría a ser algo parecido a un "perceptrón multicapa" (o "bicapa", > en este caso). Se puede lograr algo parecido usando el paquete nnet. > > Un saludo, > > Carlos J. Gil Bellosta > http://www.datanalytics.com > > > 2010/10/4 Carlos Ortega <coforfe@gmail.com>: > > Hola Dolors, > > > > No sé si entiendo bien el problema que planteas. > > Tienes dos modelos logísticos: > > > > y = f(xi) (la "y" depende linearmente de varias "x") > > w = f(vi) (la "v" depende linearmente de varias "v") > > > > Y dices que la "y" y la "w" a su vez están relacionadas con una "z". > > Y tu duda es saber si puedes usar alguna de las "x" y alguna de las "v" > para > > realizar un modelo del tipo: > > z = f(xi , vi) > > > > ¿Es esto lo que preguntas? > > ¿Las "xi" y las "vi" que usarías serían las que te han salido > significativas > > en los modelos de "y" y de "w"? > > ¿Qué problema hay en establecer el modelo de "z" con todas las "xi" y con > > todas las "vi" y que el modelo te indique cuáles de ellas son > significativas > > y cuáles no? > > > > Saludos, > > Carlos Ortega > > www.qualityexcellence.es > > > > 2010/10/4 dolors giralt casellas <dolors1985@gmail.com> > > > >> Hola, > >> > >> tengo dos modelos distintos de regresión logistica donde las variables > >> dependientes son distintas. Sé que estas dos variables están > relacionadas > >> con una tercera. Me interesaria hacer un nuevo modelo con esta tercera > >> utilizando las variables que me han salido en las dos regresiones > >> anteriores > >> pero sin utilizar las variables dependientes de las dos regresiones > >> logisticas. No sé si se puede hacer, pero si se puede, alguien sabe > como? A > >> lo mejor usando las betas? > >> > >> Muchas gracias > >> > >> Dolors > >> > >> [[alternative HTML version deleted]] > >> > >> > >> _______________________________________________ > >> R-help-es mailing list > >> R-help-es@r-project.org > >> https://stat.ethz.ch/mailman/listinfo/r-help-es > >> > >> > > > > [[alternative HTML version deleted]] > > > > > > _______________________________________________ > > R-help-es mailing list > > R-help-es@r-project.org > > https://stat.ethz.ch/mailman/listinfo/r-help-es > > > > >[[alternative HTML version deleted]]
Dolors, ¿porqué no explicas la motivación o el contexto para semejante manipulación? Y así, tal vez entenderemos algo y te podremos ayudar. Un saludo. Olivier -- ____________________________________ Olivier G. Nuñez Email: onunez@iberstat.es Tel : +34 663 03 69 09 Web: http://www.iberstat.es ____________________________________ El 06/10/2010, a las 10:44, dolors giralt casellas escribió:> Hola, > > Antes no me expliqué muy bien, > > tengo dos regresiones logisticas > > w=f(a1, ...,ai)--> ß1a2 + ß4a4+..+ßjaj > y=f(b1, ...,bk)--> ß2b2 + ß5b5+..+ßnbn donde las ß son los > coeficientes de > cada variable > > la idea era hacer una función z=f(w, -y) = ß1a2 + ß4a4+..+ßjaj - > ( ß2b2 + ß > 5b5+..+ßnbn) > que no sé si se puede hacer, teniendo en cuenta que z está > relacionada con w > e y. > > Gracias > > Dolors > > > > > > 2010/10/4 Carlos J. Gil Bellosta <cgb@datanalytics.com> > >> Hola, ¿qué tal? >> >> Una alternativa (sin emitir juicios acerca de su superioridad con >> respecto a la de los otros correos) es crear el modelo (usado la >> nomenclatura que aparece en el de Carlos Ortega, que aparece más >> abajo) >> >> z = f( y, w ) >> >> donde y y w son el el resultado de predict (de tipo "response", creo) >> de los modelos >> >> y = f(xi) >> w = f(vi) >> >> Vendría a ser algo parecido a un "perceptrón multicapa" (o "bicapa", >> en este caso). Se puede lograr algo parecido usando el paquete nnet. >> >> Un saludo, >> >> Carlos J. Gil Bellosta >> http://www.datanalytics.com >> >> >> 2010/10/4 Carlos Ortega <coforfe@gmail.com>: >>> Hola Dolors, >>> >>> No sé si entiendo bien el problema que planteas. >>> Tienes dos modelos logísticos: >>> >>> y = f(xi) (la "y" depende linearmente de varias "x") >>> w = f(vi) (la "v" depende linearmente de varias "v") >>> >>> Y dices que la "y" y la "w" a su vez están relacionadas con una >>> "z". >>> Y tu duda es saber si puedes usar alguna de las "x" y alguna de >>> las "v" >> para >>> realizar un modelo del tipo: >>> z = f(xi , vi) >>> >>> ¿Es esto lo que preguntas? >>> ¿Las "xi" y las "vi" que usarías serían las que te han salido >> significativas >>> en los modelos de "y" y de "w"? >>> ¿Qué problema hay en establecer el modelo de "z" con todas las >>> "xi" y con >>> todas las "vi" y que el modelo te indique cuáles de ellas son >> significativas >>> y cuáles no? >>> >>> Saludos, >>> Carlos Ortega >>> www.qualityexcellence.es >>> >>> 2010/10/4 dolors giralt casellas <dolors1985@gmail.com> >>> >>>> Hola, >>>> >>>> tengo dos modelos distintos de regresión logistica donde las >>>> variables >>>> dependientes son distintas. Sé que estas dos variables están >> relacionadas >>>> con una tercera. Me interesaria hacer un nuevo modelo con esta >>>> tercera >>>> utilizando las variables que me han salido en las dos regresiones >>>> anteriores >>>> pero sin utilizar las variables dependientes de las dos regresiones >>>> logisticas. No sé si se puede hacer, pero si se puede, alguien sabe >> como? A >>>> lo mejor usando las betas? >>>> >>>> Muchas gracias >>>> >>>> Dolors >>>> >>>> [[alternative HTML version deleted]] >>>> >>>> >>>> _______________________________________________ >>>> R-help-es mailing list >>>> R-help-es@r-project.org >>>> https://stat.ethz.ch/mailman/listinfo/r-help-es >>>> >>>> >>> >>> [[alternative HTML version deleted]] >>> >>> >>> _______________________________________________ >>> R-help-es mailing list >>> R-help-es@r-project.org >>> https://stat.ethz.ch/mailman/listinfo/r-help-es >>> >>> >> > > [[alternative HTML version deleted]] > > _______________________________________________ > R-help-es mailing list > R-help-es@r-project.org > https://stat.ethz.ch/mailman/listinfo/r-help-es[[alternative HTML version deleted]]
Hola Olivier, por cosas del trabajo no se me permite decir que son w e y... Os puedo decir que w se relaciona con mejoria de los pacientes, e y se relaciona con empeoramiento (-y seria mejoria). Entonces, mi idea era usar las variables relacionadas (ai y bk) con w e y para predecir mejoria sin tener que volver a calcular las betas ya que para los medicos seria más práctico. No sé si lo que os he explicado os va a servir... Merci Dolors 2010/10/6 Olivier Nuñez <onunez@iberstat.es>> Dolors, > > ¿porqué no explicas la motivación o el contexto para semejante > manipulación? > Y así, tal vez entenderemos algo y te podremos ayudar. > Un saludo. Olivier > -- > ____________________________________ > > Olivier G. Nuñez > Email: onunez@iberstat.es > Tel : +34 663 03 69 09 > Web: http://www.iberstat.es > > ____________________________________ > > > > > El 06/10/2010, a las 10:44, dolors giralt casellas escribió: > > Hola, > > Antes no me expliqué muy bien, > > tengo dos regresiones logisticas > > w=f(a1, ...,ai)--> ß1a2 + ß4a4+..+ßjaj > y=f(b1, ...,bk)--> ß2b2 + ß5b5+..+ßnbn donde las ß son los coeficientes > de > cada variable > > la idea era hacer una función z=f(w, -y) = ß1a2 + ß4a4+..+ßjaj - ( ß2b2 + > ß > 5b5+..+ßnbn) > que no sé si se puede hacer, teniendo en cuenta que z está relacionada con > w > e y. > > Gracias > > Dolors > > > > > > 2010/10/4 Carlos J. Gil Bellosta <cgb@datanalytics.com> > > Hola, ¿qué tal? > > Una alternativa (sin emitir juicios acerca de su superioridad con > respecto a la de los otros correos) es crear el modelo (usado la > nomenclatura que aparece en el de Carlos Ortega, que aparece más > abajo) > > z = f( y, w ) > > donde y y w son el el resultado de predict (de tipo "response", creo) > de los modelos > > y = f(xi) > w = f(vi) > > Vendría a ser algo parecido a un "perceptrón multicapa" (o "bicapa", > en este caso). Se puede lograr algo parecido usando el paquete nnet. > > Un saludo, > > Carlos J. Gil Bellosta > http://www.datanalytics.com > > > 2010/10/4 Carlos Ortega <coforfe@gmail.com>: > > Hola Dolors, > > No sé si entiendo bien el problema que planteas. > Tienes dos modelos logísticos: > > y = f(xi) (la "y" depende linearmente de varias "x") > w = f(vi) (la "v" depende linearmente de varias "v") > > Y dices que la "y" y la "w" a su vez están relacionadas con una "z". > Y tu duda es saber si puedes usar alguna de las "x" y alguna de las "v" > > para > > realizar un modelo del tipo: > z = f(xi , vi) > > ¿Es esto lo que preguntas? > ¿Las "xi" y las "vi" que usarías serían las que te han salido > > significativas > > en los modelos de "y" y de "w"? > ¿Qué problema hay en establecer el modelo de "z" con todas las "xi" y con > todas las "vi" y que el modelo te indique cuáles de ellas son > > significativas > > y cuáles no? > > Saludos, > Carlos Ortega > www.qualityexcellence.es > > 2010/10/4 dolors giralt casellas <dolors1985@gmail.com> > > Hola, > > tengo dos modelos distintos de regresión logistica donde las variables > dependientes son distintas. Sé que estas dos variables están > > relacionadas > > con una tercera. Me interesaria hacer un nuevo modelo con esta tercera > utilizando las variables que me han salido en las dos regresiones > anteriores > pero sin utilizar las variables dependientes de las dos regresiones > logisticas. No sé si se puede hacer, pero si se puede, alguien sabe > > como? A > > lo mejor usando las betas? > > Muchas gracias > > Dolors > > [[alternative HTML version deleted]] > > > _______________________________________________ > R-help-es mailing list > R-help-es@r-project.org > https://stat.ethz.ch/mailman/listinfo/r-help-es > > > > [[alternative HTML version deleted]] > > > _______________________________________________ > R-help-es mailing list > R-help-es@r-project.org > https://stat.ethz.ch/mailman/listinfo/r-help-es > > > > > [[alternative HTML version deleted]] > > _______________________________________________ > R-help-es mailing list > R-help-es@r-project.org > https://stat.ethz.ch/mailman/listinfo/r-help-es > > >[[alternative HTML version deleted]]
Dolors,
Tal vez lo que te sirva es realizar un regresión logística multinomial (en lugar
de binomial, que creo que es lo que estás haciendo).
La variable polítoma podría tomar tres estados de salud del paciente: mejora, no
cambia, empeora.
El estado que toma la variable respuesta polítima dependería de tus predictores
{a_i} y {b_k}.
HTH
Rubén
____________________________________________________________________________________
Dr. Rubén Roa-Ureta
AZTI - Tecnalia / Marine Research Unit
Txatxarramendi Ugartea z/g
48395 Sukarrieta (Bizkaia)
SPAIN
> -----Mensaje original-----
> De: r-help-es-bounces en r-project.org
> [mailto:r-help-es-bounces en r-project.org] En nombre de dolors
> giralt casellas
> Enviado el: miércoles, 06 de octubre de 2010 11:29
> Para: Olivier Nuñez
> CC: r-help-es en r-project.org
> Asunto: Re: [R-es] Regresiones logísticas
>
> Hola Olivier,
>
> por cosas del trabajo no se me permite decir que son w e y...
> Os puedo decir que w se relaciona con mejoria de los
> pacientes, e y se relaciona con empeoramiento (-y seria mejoria).
> Entonces, mi idea era usar las variables relacionadas (ai y
> bk) con w e y para predecir mejoria sin tener que volver a
> calcular las betas ya que para los medicos seria más práctico.
> No sé si lo que os he explicado os va a servir...
>
> Merci
>
> Dolors
>
>
> 2010/10/6 Olivier Nuñez <onunez en iberstat.es>
>
> > Dolors,
> >
> > ¿porqué no explicas la motivación o el contexto para semejante
> > manipulación?
> > Y así, tal vez entenderemos algo y te podremos ayudar.
> > Un saludo. Olivier
> > --
> > ____________________________________
> >
> > Olivier G. Nuñez
> > Email: onunez en iberstat.es
> > Tel : +34 663 03 69 09
> > Web: http://www.iberstat.es
> >
> > ____________________________________
> >
> >
> >
> >
> > El 06/10/2010, a las 10:44, dolors giralt casellas escribió:
> >
> > Hola,
> >
> > Antes no me expliqué muy bien,
> >
> > tengo dos regresiones logisticas
> >
> > w=f(a1, ...,ai)--> ß1a2 + ß4a4+..+ßjaj y=f(b1, ...,bk)--> ß2b2 +
> > ß5b5+..+ßnbn donde las ß son los coeficientes de cada variable
> >
> > la idea era hacer una función z=f(w, -y) = ß1a2 + ß4a4+..+ßjaj - (
> > ß2b2 + ß
> > 5b5+..+ßnbn)
> > que no sé si se puede hacer, teniendo en cuenta que z está
> relacionada
> > con w e y.
> >
> > Gracias
> >
> > Dolors
> >
> >
> >
> >
> >
> > 2010/10/4 Carlos J. Gil Bellosta <cgb en datanalytics.com>
> >
> > Hola, ¿qué tal?
> >
> > Una alternativa (sin emitir juicios acerca de su superioridad con
> > respecto a la de los otros correos) es crear el modelo (usado la
> > nomenclatura que aparece en el de Carlos Ortega, que aparece más
> > abajo)
> >
> > z = f( y, w )
> >
> > donde y y w son el el resultado de predict (de tipo
> "response", creo)
> > de los modelos
> >
> > y = f(xi)
> > w = f(vi)
> >
> > Vendría a ser algo parecido a un "perceptrón multicapa" (o
> "bicapa",
> > en este caso). Se puede lograr algo parecido usando el paquete nnet.
> >
> > Un saludo,
> >
> > Carlos J. Gil Bellosta
> > http://www.datanalytics.com
> >
> >
> > 2010/10/4 Carlos Ortega <coforfe en gmail.com>:
> >
> > Hola Dolors,
> >
> > No sé si entiendo bien el problema que planteas.
> > Tienes dos modelos logísticos:
> >
> > y = f(xi) (la "y" depende linearmente de varias
"x") w =
> f(vi) (la "v"
> > depende linearmente de varias "v")
> >
> > Y dices que la "y" y la "w" a su vez están
relacionadas
> con una "z".
> > Y tu duda es saber si puedes usar alguna de las "x" y
> alguna de las "v"
> >
> > para
> >
> > realizar un modelo del tipo:
> > z = f(xi , vi)
> >
> > ¿Es esto lo que preguntas?
> > ¿Las "xi" y las "vi" que usarías serían las que te
han salido
> >
> > significativas
> >
> > en los modelos de "y" y de "w"?
> > ¿Qué problema hay en establecer el modelo de "z" con todas
> las "xi" y
> > con todas las "vi" y que el modelo te indique cuáles de
ellas son
> >
> > significativas
> >
> > y cuáles no?
> >
> > Saludos,
> > Carlos Ortega
> > www.qualityexcellence.es
> >
> > 2010/10/4 dolors giralt casellas <dolors1985 en gmail.com>
> >
> > Hola,
> >
> > tengo dos modelos distintos de regresión logistica donde
> las variables
> > dependientes son distintas. Sé que estas dos variables están
> >
> > relacionadas
> >
> > con una tercera. Me interesaria hacer un nuevo modelo con
> esta tercera
> > utilizando las variables que me han salido en las dos regresiones
> > anteriores pero sin utilizar las variables dependientes de las dos
> > regresiones logisticas. No sé si se puede hacer, pero si se puede,
> > alguien sabe
> >
> > como? A
> >
> > lo mejor usando las betas?
> >
> > Muchas gracias
> >
> > Dolors
> >
> > [[alternative HTML version deleted]]
> >
> >
> > _______________________________________________
> > R-help-es mailing list
> > R-help-es en r-project.org
> > https://stat.ethz.ch/mailman/listinfo/r-help-es
> >
> >
> >
> > [[alternative HTML version deleted]]
> >
> >
> > _______________________________________________
> > R-help-es mailing list
> > R-help-es en r-project.org
> > https://stat.ethz.ch/mailman/listinfo/r-help-es
> >
> >
> >
> >
> > [[alternative HTML version deleted]]
> >
> > _______________________________________________
> > R-help-es mailing list
> > R-help-es en r-project.org
> > https://stat.ethz.ch/mailman/listinfo/r-help-es
> >
> >
> >
>
> [[alternative HTML version deleted]]
>
>
Si entiendo bien, tienes dos indicadores de mejoría del paciente. Los llamamos Y1 e Y2. Eres capaz de predecir las respectivas variaciones de estos indicadores mediante características individuales, llamamos les X1 y X2, utilizando una regresión lineal del tipo: Y1 = A1*X1 + eps_1 Y2 = A2*X2 + eps_2 Ahora, pretendes combinar ambos indicadores en uno sólo: Y = Y1 + Y2, y tu pregunta es si puedes predecir este ultimo indicador por Y = A1*X1 + A2*X2 La respuesta es sí, y esta predicción no es segada (es lo bueno de los modelos lineales). El problema viene a la hora de calcular la precisión de esta predicción. Porque dar una predicción sin conocer su precisión es poco útil. Una primera aproximación consiste en decir que la variabilidad de la predicción de Y (denotada Y^) es la suma de las varianzas de las predicciones que la componen: var( Y^ ) = var( Y1^) + var (Y2^). Este caso corresponde a la situación en la cual las predicciones Y1^ e Y2^ son independientes. Desgraciadamente, es poco probable que se cumpla en tu marco. Por lo tanto, si no quieres (no puedes) directamente predecir Y con las características individuales X1 y X2, te propongo aproximar la varianza de Y^ por var( Y^ ) = 2*(var( Y1^) + var (Y2^)) que sin embargo, tiene la desventaja de siempre sobrestimar la varianza real de Y^ (pero nunca la subestimará!) Un saludo. -- ____________________________________ Olivier G. Nuñez Email: onunez en iberstat.es Tel : +34 663 03 69 09 Web: http://www.iberstat.es ____________________________________ El 06/10/2010, a las 11:29, dolors giralt casellas escribió:> Hola Olivier, > > por cosas del trabajo no se me permite decir que son w e y... > Os puedo decir que w se relaciona con mejoria de los pacientes, e y > se relaciona con empeoramiento (-y seria mejoria). > Entonces, mi idea era usar las variables relacionadas (ai y bk) con > w e y para predecir mejoria sin tener que volver a calcular las > betas ya que para los medicos seria más práctico. > No sé si lo que os he explicado os va a servir... > > Merci > > Dolors > > > 2010/10/6 Olivier Nuñez <onunez en iberstat.es> > Dolors, > > ¿porqué no explicas la motivación o el contexto para semejante > manipulación? > Y así, tal vez entenderemos algo y te podremos ayudar. > Un saludo. Olivier > -- > ____________________________________ > > Olivier G. Nuñez > Email: onunez en iberstat.es > Tel : +34 663 03 69 09 > Web: http://www.iberstat.es > > ____________________________________ > > > > > El 06/10/2010, a las 10:44, dolors giralt casellas escribió: > >> Hola, >> >> Antes no me expliqué muy bien, >> >> tengo dos regresiones logisticas >> >> w=f(a1, ...,ai)--> ß1a2 + ß4a4+..+ßjaj >> y=f(b1, ...,bk)--> ß2b2 + ß5b5+..+ßnbn donde las ß son los >> coeficientes de >> cada variable >> >> la idea era hacer una función z=f(w, -y) = ß1a2 + ß4a4+..+ßjaj - >> ( ß2b2 + ß >> 5b5+..+ßnbn) >> que no sé si se puede hacer, teniendo en cuenta que z está >> relacionada con w >> e y. >> >> Gracias >> >> Dolors >> >> >> >> >> >> 2010/10/4 Carlos J. Gil Bellosta <cgb en datanalytics.com> >> >>> Hola, ¿qué tal? >>> >>> Una alternativa (sin emitir juicios acerca de su superioridad con >>> respecto a la de los otros correos) es crear el modelo (usado la >>> nomenclatura que aparece en el de Carlos Ortega, que aparece más >>> abajo) >>> >>> z = f( y, w ) >>> >>> donde y y w son el el resultado de predict (de tipo "response", >>> creo) >>> de los modelos >>> >>> y = f(xi) >>> w = f(vi) >>> >>> Vendría a ser algo parecido a un "perceptrón multicapa" (o "bicapa", >>> en este caso). Se puede lograr algo parecido usando el paquete nnet. >>> >>> Un saludo, >>> >>> Carlos J. Gil Bellosta >>> http://www.datanalytics.com >>> >>> >>> 2010/10/4 Carlos Ortega <coforfe en gmail.com>: >>>> Hola Dolors, >>>> >>>> No sé si entiendo bien el problema que planteas. >>>> Tienes dos modelos logísticos: >>>> >>>> y = f(xi) (la "y" depende linearmente de varias "x") >>>> w = f(vi) (la "v" depende linearmente de varias "v") >>>> >>>> Y dices que la "y" y la "w" a su vez están relacionadas con una >>>> "z". >>>> Y tu duda es saber si puedes usar alguna de las "x" y alguna de >>>> las "v" >>> para >>>> realizar un modelo del tipo: >>>> z = f(xi , vi) >>>> >>>> ¿Es esto lo que preguntas? >>>> ¿Las "xi" y las "vi" que usarías serían las que te han salido >>> significativas >>>> en los modelos de "y" y de "w"? >>>> ¿Qué problema hay en establecer el modelo de "z" con todas las >>>> "xi" y con >>>> todas las "vi" y que el modelo te indique cuáles de ellas son >>> significativas >>>> y cuáles no? >>>> >>>> Saludos, >>>> Carlos Ortega >>>> www.qualityexcellence.es >>>> >>>> 2010/10/4 dolors giralt casellas <dolors1985 en gmail.com> >>>> >>>>> Hola, >>>>> >>>>> tengo dos modelos distintos de regresión logistica donde las >>>>> variables >>>>> dependientes son distintas. Sé que estas dos variables están >>> relacionadas >>>>> con una tercera. Me interesaria hacer un nuevo modelo con esta >>>>> tercera >>>>> utilizando las variables que me han salido en las dos regresiones >>>>> anteriores >>>>> pero sin utilizar las variables dependientes de las dos >>>>> regresiones >>>>> logisticas. No sé si se puede hacer, pero si se puede, alguien >>>>> sabe >>> como? A >>>>> lo mejor usando las betas? >>>>> >>>>> Muchas gracias >>>>> >>>>> Dolors >>>>> >>>>> [[alternative HTML version deleted]] >>>>> >>>>> >>>>> _______________________________________________ >>>>> R-help-es mailing list >>>>> R-help-es en r-project.org >>>>> https://stat.ethz.ch/mailman/listinfo/r-help-es >>>>> >>>>> >>>> >>>> [[alternative HTML version deleted]] >>>> >>>> >>>> _______________________________________________ >>>> R-help-es mailing list >>>> R-help-es en r-project.org >>>> https://stat.ethz.ch/mailman/listinfo/r-help-es >>>> >>>> >>> >> >> [[alternative HTML version deleted]] >> >> _______________________________________________ >> R-help-es mailing list >> R-help-es en r-project.org >> https://stat.ethz.ch/mailman/listinfo/r-help-es > >
De acuerdo, lo intentaré hacer Muchas gracias Dolors 2010/10/6 Olivier Nuñez <onunez@iberstat.es>> Si entiendo bien, tienes dos indicadores de mejoría del paciente. Los > llamamos Y1 e Y2. > Eres capaz de predecir las respectivas variaciones de estos indicadores > mediante características individuales, > llamamos les X1 y X2, utilizando una regresión lineal del tipo: > > Y1 = A1*X1 + eps_1 > Y2 = A2*X2 + eps_2 > > Ahora, pretendes combinar ambos indicadores en uno sólo: Y = Y1 + Y2, > y tu pregunta es si puedes predecir este ultimo indicador por > > Y = A1*X1 + A2*X2 > > La respuesta es sí, y esta predicción no es segada (es lo bueno de los > modelos lineales). > El problema viene a la hora de calcular la precisión de esta predicción. > Porque dar una predicción sin conocer su precisión es poco útil. > Una primera aproximación consiste en decir que la variabilidad de la > predicción de Y (denotada Y^) es > la suma de las varianzas de las predicciones que la componen: > > var( Y^ ) = var( Y1^) + var (Y2^). > > Este caso corresponde a la situación en la cual las predicciones Y1^ e > Y2^ son independientes. > Desgraciadamente, es poco probable que se cumpla en tu marco. > Por lo tanto, si no quieres (no puedes) directamente predecir Y con las > características individuales X1 y X2, > te propongo aproximar la varianza de Y^ por > > var( Y^ ) = 2*(var( Y1^) + var (Y2^)) > > que sin embargo, tiene la desventaja de siempre sobrestimar la varianza > real de Y^ (pero nunca la subestimará!) > > Un saludo. > > > -- ____________________________________ > > > Olivier G. Nuñez > Email: onunez@iberstat.es > Tel : +34 663 03 69 09 > Web: http://www.iberstat.es > > ____________________________________ > > > > > El 06/10/2010, a las 11:29, dolors giralt casellas escribió: > > > Hola Olivier, >> >> por cosas del trabajo no se me permite decir que son w e y... >> Os puedo decir que w se relaciona con mejoria de los pacientes, e y se >> relaciona con empeoramiento (-y seria mejoria). >> Entonces, mi idea era usar las variables relacionadas (ai y bk) con w e y >> para predecir mejoria sin tener que volver a calcular las betas ya que para >> los medicos seria más práctico. >> No sé si lo que os he explicado os va a servir... >> >> Merci >> >> Dolors >> >> >> 2010/10/6 Olivier Nuñez <onunez@iberstat.es> >> Dolors, >> >> ¿porqué no explicas la motivación o el contexto para semejante >> manipulación? >> Y así, tal vez entenderemos algo y te podremos ayudar. >> Un saludo. Olivier >> -- ____________________________________ >> >> Olivier G. Nuñez >> Email: onunez@iberstat.es >> Tel : +34 663 03 69 09 >> Web: http://www.iberstat.es >> >> ____________________________________ >> >> >> >> >> El 06/10/2010, a las 10:44, dolors giralt casellas escribió: >> >> Hola, >>> >>> Antes no me expliqué muy bien, >>> >>> tengo dos regresiones logisticas >>> >>> w=f(a1, ...,ai)--> ß1a2 + ß4a4+..+ßjaj >>> y=f(b1, ...,bk)--> ß2b2 + ß5b5+..+ßnbn donde las ß son los coeficientes >>> de >>> cada variable >>> >>> la idea era hacer una función z=f(w, -y) = ß1a2 + ß4a4+..+ßjaj - ( ß2b2 >>> + ß >>> 5b5+..+ßnbn) >>> que no sé si se puede hacer, teniendo en cuenta que z está relacionada >>> con w >>> e y. >>> >>> Gracias >>> >>> Dolors >>> >>> >>> >>> >>> >>> 2010/10/4 Carlos J. Gil Bellosta <cgb@datanalytics.com> >>> >>> Hola, ¿qué tal? >>>> >>>> Una alternativa (sin emitir juicios acerca de su superioridad con >>>> respecto a la de los otros correos) es crear el modelo (usado la >>>> nomenclatura que aparece en el de Carlos Ortega, que aparece más >>>> abajo) >>>> >>>> z = f( y, w ) >>>> >>>> donde y y w son el el resultado de predict (de tipo "response", creo) >>>> de los modelos >>>> >>>> y = f(xi) >>>> w = f(vi) >>>> >>>> Vendría a ser algo parecido a un "perceptrón multicapa" (o "bicapa", >>>> en este caso). Se puede lograr algo parecido usando el paquete nnet. >>>> >>>> Un saludo, >>>> >>>> Carlos J. Gil Bellosta >>>> http://www.datanalytics.com >>>> >>>> >>>> 2010/10/4 Carlos Ortega <coforfe@gmail.com>: >>>> >>>>> Hola Dolors, >>>>> >>>>> No sé si entiendo bien el problema que planteas. >>>>> Tienes dos modelos logísticos: >>>>> >>>>> y = f(xi) (la "y" depende linearmente de varias "x") >>>>> w = f(vi) (la "v" depende linearmente de varias "v") >>>>> >>>>> Y dices que la "y" y la "w" a su vez están relacionadas con una "z". >>>>> Y tu duda es saber si puedes usar alguna de las "x" y alguna de las "v" >>>>> >>>> para >>>> >>>>> realizar un modelo del tipo: >>>>> z = f(xi , vi) >>>>> >>>>> ¿Es esto lo que preguntas? >>>>> ¿Las "xi" y las "vi" que usarías serían las que te han salido >>>>> >>>> significativas >>>> >>>>> en los modelos de "y" y de "w"? >>>>> ¿Qué problema hay en establecer el modelo de "z" con todas las "xi" y >>>>> con >>>>> todas las "vi" y que el modelo te indique cuáles de ellas son >>>>> >>>> significativas >>>> >>>>> y cuáles no? >>>>> >>>>> Saludos, >>>>> Carlos Ortega >>>>> www.qualityexcellence.es >>>>> >>>>> 2010/10/4 dolors giralt casellas <dolors1985@gmail.com> >>>>> >>>>> Hola, >>>>>> >>>>>> tengo dos modelos distintos de regresión logistica donde las variables >>>>>> dependientes son distintas. Sé que estas dos variables están >>>>>> >>>>> relacionadas >>>> >>>>> con una tercera. Me interesaria hacer un nuevo modelo con esta tercera >>>>>> utilizando las variables que me han salido en las dos regresiones >>>>>> anteriores >>>>>> pero sin utilizar las variables dependientes de las dos regresiones >>>>>> logisticas. No sé si se puede hacer, pero si se puede, alguien sabe >>>>>> >>>>> como? A >>>> >>>>> lo mejor usando las betas? >>>>>> >>>>>> Muchas gracias >>>>>> >>>>>> Dolors >>>>>> >>>>>> [[alternative HTML version deleted]] >>>>>> >>>>>> >>>>>> _______________________________________________ >>>>>> R-help-es mailing list >>>>>> R-help-es@r-project.org >>>>>> https://stat.ethz.ch/mailman/listinfo/r-help-es >>>>>> >>>>>> >>>>>> >>>>> [[alternative HTML version deleted]] >>>>> >>>>> >>>>> _______________________________________________ >>>>> R-help-es mailing list >>>>> R-help-es@r-project.org >>>>> https://stat.ethz.ch/mailman/listinfo/r-help-es >>>>> >>>>> >>>>> >>>> >>> [[alternative HTML version deleted]] >>> >>> _______________________________________________ >>> R-help-es mailing list >>> R-help-es@r-project.org >>> https://stat.ethz.ch/mailman/listinfo/r-help-es >>> >> >> >> >[[alternative HTML version deleted]]
Dolors, en realidad, una mejor formula para acotar la varianza de la predicción de Y^ sería (utilizando la desigualdad de Cauchy?Schwarz) : var( Y^ ) = var( Y1^) + var (Y2^) + 2*raíz[ var( Y1^) * var (Y2^)] Un saludo. Olivier -- ____________________________________ Olivier G. Nuñez Email: onunez en iberstat.es Tel : +34 663 03 69 09 Web: http://www.iberstat.es ____________________________________ ......... Si entiendo bien, tienes dos indicadores de mejoría del paciente. Los llamamos Y1 e Y2. Eres capaz de predecir las respectivas variaciones de estos indicadores mediante características individuales, llamamos les X1 y X2, utilizando una regresión lineal del tipo: Y1 = A1*X1 + eps_1 Y2 = A2*X2 + eps_2 Ahora, pretendes combinar ambos indicadores en uno sólo: Y = Y1 + Y2, y tu pregunta es si puedes predecir este ultimo indicador por Y = A1*X1 + A2*X2 La respuesta es sí, y esta predicción no es segada (es lo bueno de los modelos lineales). El problema viene a la hora de calcular la precisión de esta predicción. Porque dar una predicción sin conocer su precisión es poco útil. Una primera aproximación consiste en decir que la variabilidad de la predicción de Y (denotada Y^) es la suma de las varianzas de las predicciones que la componen: var( Y^ ) = var( Y1^) + var (Y2^). Este caso corresponde a la situación en la cual las predicciones Y1^ e Y2^ son independientes. Desgraciadamente, es poco probable que se cumpla en tu marco. Por lo tanto, si no quieres (no puedes) directamente predecir Y con las características individuales X1 y X2, te propongo aproximar la varianza de Y^ por var( Y^ ) = 2*(var( Y1^) + var (Y2^)) que sin embargo, tiene la desventaja de siempre sobrestimar la varianza real de Y^ (pero nunca la subestimará!) Un saludo. El 06/10/2010, a las 12:15, dolors giralt casellas escribió:> De acuerdo, > > lo intentaré hacer > > Muchas gracias > > Dolors > > > > 2010/10/6 Olivier Nuñez <onunez en iberstat.es> > Si entiendo bien, tienes dos indicadores de mejoría del paciente. > Los llamamos Y1 e Y2. > Eres capaz de predecir las respectivas variaciones de estos > indicadores mediante características individuales, > llamamos les X1 y X2, utilizando una regresión lineal del tipo: > > Y1 = A1*X1 + eps_1 > Y2 = A2*X2 + eps_2 > > Ahora, pretendes combinar ambos indicadores en uno sólo: Y = Y1 + Y2, > y tu pregunta es si puedes predecir este ultimo indicador por > > Y = A1*X1 + A2*X2 > > La respuesta es sí, y esta predicción no es segada (es lo bueno de > los modelos lineales). > El problema viene a la hora de calcular la precisión de esta > predicción. > Porque dar una predicción sin conocer su precisión es poco útil. > Una primera aproximación consiste en decir que la variabilidad de > la predicción de Y (denotada Y^) es > la suma de las varianzas de las predicciones que la componen: > > var( Y^ ) = var( Y1^) + var (Y2^). > > Este caso corresponde a la situación en la cual las predicciones > Y1^ e Y2^ son independientes. > Desgraciadamente, es poco probable que se cumpla en tu marco. > Por lo tanto, si no quieres (no puedes) directamente predecir Y con > las características individuales X1 y X2, > te propongo aproximar la varianza de Y^ por > > var( Y^ ) = 2*(var( Y1^) + var (Y2^)) > > que sin embargo, tiene la desventaja de siempre sobrestimar la > varianza real de Y^ (pero nunca la subestimará!) > > Un saludo. > > > -- ____________________________________ > > > Olivier G. Nuñez > Email: onunez en iberstat.es > Tel : +34 663 03 69 09 > Web: http://www.iberstat.es > > ____________________________________ > > > > > El 06/10/2010, a las 11:29, dolors giralt casellas escribió: > > > Hola Olivier, > > por cosas del trabajo no se me permite decir que son w e y... > Os puedo decir que w se relaciona con mejoria de los pacientes, e y > se relaciona con empeoramiento (-y seria mejoria). > Entonces, mi idea era usar las variables relacionadas (ai y bk) con > w e y para predecir mejoria sin tener que volver a calcular las > betas ya que para los medicos seria más práctico. > No sé si lo que os he explicado os va a servir... > > Merci > > Dolors > > > 2010/10/6 Olivier Nuñez <onunez en iberstat.es> > Dolors, > > ¿porqué no explicas la motivación o el contexto para semejante > manipulación? > Y así, tal vez entenderemos algo y te podremos ayudar. > Un saludo. Olivier > -- ____________________________________ > > Olivier G. Nuñez > Email: onunez en iberstat.es > Tel : +34 663 03 69 09 > Web: http://www.iberstat.es > > ____________________________________ > > > > > El 06/10/2010, a las 10:44, dolors giralt casellas escribió: > > Hola, > > Antes no me expliqué muy bien, > > tengo dos regresiones logisticas > > w=f(a1, ...,ai)--> ß1a2 + ß4a4+..+ßjaj > y=f(b1, ...,bk)--> ß2b2 + ß5b5+..+ßnbn donde las ß son los > coeficientes de > cada variable > > la idea era hacer una función z=f(w, -y) = ß1a2 + ß4a4+..+ßjaj - > ( ß2b2 + ß > 5b5+..+ßnbn) > que no sé si se puede hacer, teniendo en cuenta que z está > relacionada con w > e y. > > Gracias > > Dolors > > > > > > 2010/10/4 Carlos J. Gil Bellosta <cgb en datanalytics.com> > > Hola, ¿qué tal? > > Una alternativa (sin emitir juicios acerca de su superioridad con > respecto a la de los otros correos) es crear el modelo (usado la > nomenclatura que aparece en el de Carlos Ortega, que aparece más > abajo) > > z = f( y, w ) > > donde y y w son el el resultado de predict (de tipo "response", creo) > de los modelos > > y = f(xi) > w = f(vi) > > Vendría a ser algo parecido a un "perceptrón multicapa" (o "bicapa", > en este caso). Se puede lograr algo parecido usando el paquete nnet. > > Un saludo, > > Carlos J. Gil Bellosta > http://www.datanalytics.com > > > 2010/10/4 Carlos Ortega <coforfe en gmail.com>: > Hola Dolors, > > No sé si entiendo bien el problema que planteas. > Tienes dos modelos logísticos: > > y = f(xi) (la "y" depende linearmente de varias "x") > w = f(vi) (la "v" depende linearmente de varias "v") > > Y dices que la "y" y la "w" a su vez están relacionadas con una "z". > Y tu duda es saber si puedes usar alguna de las "x" y alguna de las > "v" > para > realizar un modelo del tipo: > z = f(xi , vi) > > ¿Es esto lo que preguntas? > ¿Las "xi" y las "vi" que usarías serían las que te han salido > significativas > en los modelos de "y" y de "w"? > ¿Qué problema hay en establecer el modelo de "z" con todas las "xi" > y con > todas las "vi" y que el modelo te indique cuáles de ellas son > significativas > y cuáles no? > > Saludos, > Carlos Ortega > www.qualityexcellence.es > > 2010/10/4 dolors giralt casellas <dolors1985 en gmail.com> > > Hola, > > tengo dos modelos distintos de regresión logistica donde las variables > dependientes son distintas. Sé que estas dos variables están > relacionadas > con una tercera. Me interesaria hacer un nuevo modelo con esta tercera > utilizando las variables que me han salido en las dos regresiones > anteriores > pero sin utilizar las variables dependientes de las dos regresiones > logisticas. No sé si se puede hacer, pero si se puede, alguien sabe > como? A > lo mejor usando las betas? > > Muchas gracias > > Dolors > > [[alternative HTML version deleted]] > > > _______________________________________________ > R-help-es mailing list > R-help-es en r-project.org > https://stat.ethz.ch/mailman/listinfo/r-help-es > > > > [[alternative HTML version deleted]] > > > _______________________________________________ > R-help-es mailing list > R-help-es en r-project.org > https://stat.ethz.ch/mailman/listinfo/r-help-es > > > > > [[alternative HTML version deleted]] > > _______________________________________________ > R-help-es mailing list > R-help-es en r-project.org > https://stat.ethz.ch/mailman/listinfo/r-help-es > > > >