Вы находитесь на странице: 1из 7

Analisis 

probit
Oleh: Vincent Kim
Ikhtisar Cepat
 analisis probit adalah jenis regresi digunakan untuk menganalisis variabel respon
binomial.
 Ini mengubah kurva dosis-respons sigmoid untuk garis lurus yang kemudian dapat
dianalisis dengan regresi baik melalui kuadrat terkecil atau kemungkinan maksimum.
 Probit analisis dapat dilakukan dengan salah satu dari tiga teknik:
o Menggunakan tabel untuk memperkirakan probits dan fitting hubungan oleh
mata,
o Tangan menghitung probits, koefisien regresi, dan keyakinan interval, atau
o Memiliki paket stastitical seperti SPSS melakukan semuanya untuk Anda.
Latar belakang
Ide analisis probit pada awalnya diterbitkan di Science oleh Chester Ittner Bliss pada tahun
1934. Dia bekerja sebagai entomologi untuk stasiun percobaan Connecticut pertanian dan
terutama berkaitan dengan menemukan sebuah pestisida yang efektif untuk mengendalikan
serangga yang diberi makan daun anggur (Greenberg 1980) .   Dengan merencanakan respon
serangga untuk berbagai konsentrasi pestisida, ia secara visual dapat melihat bahwa setiap
pestisida mempengaruhi serangga pada konsentrasi yang berbeda, yaitu lebih efektif daripada
yang lain.   Namun, ia tidak memiliki metode statistik suara untuk membandingkan
perbedaan ini.   Pendekatan yang paling logis adalah dengan cocok dengan regresi dari
respon versus konsentrasi, atau dosis dan membandingkan antara pestisida yang
berbeda.   Namun, hubungan respon dosis sigmoid di alam dan pada regresi waktu itu hanya
digunakan pada data linier.   Oleh karena itu, Malcolm mengembangkan gagasan
transformasi kurva dosis-respons sigmoid dengan garis lurus. Pada tahun 1952, seorang
profesor statistik di University of Edinburgh dengan nama Daud Finney mengambil 'ide Bliss
dan menulis buku berjudul Analisis probit (Finney 1952) .   Hari ini, analisis probit masih
merupakan metode statistik disukai dalam memahami hubungan dosis-respons.  
Dasar-dasar
Analisis probit model regresi khusus variabel respon binomial.
Ingat bahwa regresi adalah sebuah metode pas garis untuk data Anda untuk membandingkan
hubungan antara variabel respon atau variabel dependen (Y) terhadap variabel independen
(X).    
Y = a + b X + e
Mana
 a = y-intercept
 b = kemiringan garis
 e =   kesalahan jangka
Juga ingat bahwa variabel respon binomial mengacu pada variabel respon dengan hanya dua
hasil.  
Sebagai contoh:
 Membalik koin: Kepala atau ekor
 Pengujian produk kecantikan: Ruam / ruam tidak
 Efektivitas atau toksisitas pestisida: Kematian / maut tidak
Aplikasi
Probit analisis digunakan untuk menganalisis berbagai jenis dosis-respons atau respon
percobaan binomial dalam berbagai bidang.   Namun, karena latar belakang pengetahuan saya
analisis probit berasal hanya dari toksikologi, contoh dari halaman web ini hanya akan
menjadi toksikologi.  
Analisis probit umumnya digunakan dalam toksikologi untuk menentukan toksisitas relatif
dari bahan kimia untuk organisme hidup.   Hal ini dilakukan dengan menguji respon
organisme di bawah berbagai konsentrasi masing-masing bahan kimia tersebut dan kemudian
membandingkan konsentrasi di mana seseorang menemukan jawaban.   Sebagaimana dibahas
di atas, respon selalu binomial (misalnya kematian / maut tidak) dan hubungan antara respon
dan berbagai konsentrasi selalu sigmoid.   analisis probit bertindak sebagai transformasi dari
sigmoid untuk linier dan kemudian menjalankan regresi hubungan.  
Setelah kemunduran dijalankan, peneliti dapat menggunakan output dari analisis probit untuk
membandingkan jumlah bahan kimia yang dibutuhkan untuk menciptakan respon yang sama
di setiap berbagai bahan kimia.   Ada banyak titik akhir digunakan untuk membandingkan
toksisitas berbeda bahan kimia, tetapi LC50 (cairan) atau LD50 (padat) adalah hasil yang
paling banyak digunakan pada percobaan dosis-respons modern.   Para LC50/LD50
merupakan konsentrasi (LC50) atau dosis (LD50) di mana 50% dari populasi merespon.  
Sebagai contoh, perhatikan membandingkan dua toksisitas pestisida yang berbeda untuk kutu
daun, A pestisida dan pestisida B.   Jika LC50 pestisida A 50ug / L dan LC50 pestisida B
10ug / L, B pestisida lebih beracun dari A karena hanya dalam waktu 10ug / L untuk
membunuh 50% dari kutu daun, versus 50ug / L pestisida B .  
Bagaimana cara kerja analisis probit?   Cara mendapatkan dari kurva dosis-respons
untuk LC50 suatu?
Di bawah ini Anda akan menemukan panduan langkah demi langkah untuk menggunakan
analisis probit dengan berbagai metode.   Cara termudah sejauh ini adalah dengan
menggunakan paket statistik seperti SPSS, SAS, R, atau S, tetapi itu baik untuk melihat
sejarah metodologi untuk mendapatkan pemahaman yang menyeluruh material.
Langkah 1:% kematian Convert untuk probits (kependekan dari unit probabilitas)
Metode A: Tentukan probits dengan melihat orang-orang yang sesuai dengan%
merespon di Meja Finney (Finney 1952) :
 
 
 
 
 
 
 
 
 
Sebagai contoh, untuk
respon%
17, probit sesuai akan
4,05.   Selain itu, untuk respon 50% (LC50), yang probit sesuai akan 5,00.  
 
Metode B: perhitungan Tangan (Finney dan Stevens 1948) :
Y probit, dari proporsi P didefinisikan oleh:
Metode standar analisis membuat
penggunaan maksimum dan probits kerja
minimum:
Dan kisaran 1 / Z mana
   
Metode C: Komputer software seperti SPSS, SAS, R, atau S
mengkonversi persen menanggapi probits secara otomatis.  
Langkah 2: Ambil log konsentrasi.  
Ini bisa dilakukan dengan tangan jika melakukan perhitungan tangan, atau
menentukan tindakan dalam program komputer pilihan.  
Misalnya, setelah mengklik Analisis, Regresi, probit, pilih log pilihan Anda untuk
mengubah:
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Langkah 3: Grafik yang probits versus log konsentrasi dan cocok dengan garis regresi.
Catatan: Baik kuadrat terkecil dan kemungkinan maksimum adalah teknik regresi pas
diterima, tapi maksimum likelihood lebih disukai karena memberikan perkiraan yang
lebih tepat dari parameter yang diperlukan untuk evaluasi yang benar dari
hasil (Finney 1952) .
Metode A: cocok Hand garis oleh mata yang meminimalkan ruang antara garis dan
data (kuadrat terkecil yaitu).   Meskipun metode ini dapat sangat akurat, menghitung
regresi dengan tangan atau menggunakan program komputer jelas lebih tepat.   Selain
itu, tangan perhitungan dan program komputer dapat memberikan interval keyakinan.
Metode B: Tangan menghitung regresi linier dengan
menggunakan metode berikut (Finney dan Stevens 1948) :
Pertama tentukan proporsi menanggapi sama dengan p = r / n dan komplemen sebesar
q = p 1.
The probits dari nilai set p harus kira-kira berhubungan linier terhadap x, ukuran
stimulus, dan garis dilengkapi oleh mata dapat digunakan untuk memberikan satu set
yang sesuai probits diharapkan, Y.  
The probit bekerja sesuai dengan proporsi masing-masing selanjutnya dihitung dari
salah satu persamaan berikut:
Selanjutnya satu set probits diharapkan kemudian
diturunkan dari persamaan regresi linier
tertimbang probits bekerja pada x, y masing-masing
yang diberikan berat, nw, di mana pembobotan koefisien, w, didefinisikan sebagai:
Proses ini diulang dengan seperangkat nilai Y.   iterasi yang menyatu untuk
memberikan regresi linier.  
Metode C: Gunakan program komputer.   SPSS menggunakan maksimum likelihood
untuk mengestimasi regresi linier.  
Untuk menjalankan anaylsis probit di SPSS, ikuti langkah-langkah sederhana
berikut:  
Cukup input minimal tiga kolom ke Editor Data
         Jumlah individu per kontainer yang menanggapi
         Jumlah individu per kontainer
         Konsentrasi
Misalnya pada layar berikut, a_mort adalah jumlah individu yang menanggapi per
kontainer, a_total adalah jumlah total individu per kontainer, dan a_conc adalah
konsentrasi.   Baris 7 di contoh berikut adalah data dari kontrol dimana 0 dari 10
menanggapi pada konsentrasi 0.  
Layar 1:

Setelah Anda kolom diatur, hanya pergi untuk menganalisa, regresi, probit:


Layar 2:
Kemudian menetapkan nomor Anda menanggapi kolom sebagai "Respon Frekuensi",
jumlah per kontainer sebagai "Diamati Total", dan konsentrasi sebagai
"kovariat".   Jangan lupa untuk memilih basis 10 log untuk mengubah konsentrasi
Anda.  
Layar 3:

Jika Anda menjalankan contoh di atas, Anda akan melihat bahwa SPSS menentukan
solusi optimal setelah 18 iterasi.  
Langkah 4: Menemukan LC50
 
Metode A: Menggunakan grafik ditarik tangan Anda, baik diciptakan oleh mata atau
dengan menghitung regresi dengan tangan, menemukan probit 5 pada sumbu y,
kemudian bergerak ke sumbu x dan menemukan log konsentrasi yang terkait
dengannya .   Kemudian mengambil invers log dan voila!   Anda telah LC50.  
 
 
 

Metode
B: LC50

ditentukan dengan mencari daftar probit untuk probit sebesar 5,00 dan kemudian


mengambil log kebalikan dari konsentrasi itu terkait dengan.  
Langkah 5: Tentukan interval kepercayaan 95%:
Metode A:   Tangan menghitung dengan menggunakan persamaan berikut:
Standard error sekitar: ± 1 / b √ (Snw)
•         b = perkiraan kemiringan garis
•         Snw = penjumlahan dari nw
•         w = tertimbang koefisien dari tabel III = Z ² Finney / PQ, 1952
 
Metode B: SPSS dan program komputer lain menghitung ini secara otomatis
Catatan Bunga untuk Analisis probit
         analisis probit mengasumsikan bahwa hubungan antara jumlah merespon (tidak
respon persen) dan konsentrasi biasanya didistribusikan.
Jika data tidak terdistribusi
normal, logit (lebih lanjut di bawah) lebih
disukai.  
         Harus memperbaiki data jika
ada lebih dari 10% kematian
di   kontrol
Salah satu metode adalah
dengan menggunakan's (1947)
formula Schneider-Orelli:
                                                % Responded
-% Responded in Control
Dikoreksi
=                ________________________________               x 100
                                                100 - Menanggapi% di Control
Sebagai contoh:
Katakanlah Anda memiliki 20% kematian pada kontrol dan Anda memperbaiki
tingkat kematian untuk konsentrasi di mana 60% terjadi.     Plug di angka kematian ke
dalam persamaan di atas dan Anda datang dengan mortalitas 50% bukan 60% asli.  
60% - 20%
________         40/80 = 50%
100% - 20%
  Logit vs probit:
Logit adalah bentuk lain dari mengubah data binomial menjadi linearitas dan sangat
mirip dengan probit.   Logit fungsi dengan mengambil log dari odds: logit (P) = log
P / (1-P).   Namun, hubungan antara logit danprobit hampir tidak dapat
dibedakan: Logit ≈ (π / √ 3) x probit.   Secara umum, jika respon dosis vs data
tidak terdistribusi normal, Finney menyarankan menggunakan logic atas
transformasi probit (Finney, 1952).  Meskipun penggunaan multivariat
analisis probit berada di luar isi dari halaman web ini, perlu dicatat bahwa kesamaan
antara probit dan logit tidak memiliki di alam multivarian (Hahn dan tanggal tidak
diketahuiSoyer) .   Hahn dan Soyer menunjukkan bahwa logit memberikan lebih
cocok di hadapan ekstrim tingkat variabel bebas dan sebaliknya yang probit lebih
sesuai dengan model efek acak dengan set data yang moderat (Hahn dan tanggal tidak
diketahui Soyer) .  
Ringkasan
         Analisis probit jenis regresi dengan variabel respon binomial.   Hal ini sangat
mirip dengan logit, tetapi lebih disukai ketika data terdistribusi secara normal.
         Sebagian besar hasil umum dari percobaan-respon dosis di mana
analisis probit digunakan adalah LC50/LD50 tersebut.
         Probit analisis dapat dilakukan dengan mata, melalui perhitungan tangan, atau
dengan menggunakan program statistik.
Kutipan:
Finney, DJ, Ed. (1952). Probit Analisis,. Cambridge, Inggris Cambridge University Press.
           
Finney, DJ dan WL Stevens (1948) 191-201. "Sebuah meja untuk perhitungan
kerja probits dan bobot dalam analisis probit." Biometrika 35 (1-2):.
           
Greenberg, BG (1980). "Chester I. Bliss, 1899-1979." Review Statistik Internasional /
Revue Internationale de Statistique 8 (1): 135-136.
           
Hahn, DE dan R. Soyer. (Tidak diketahui tanggal). "Probit dan Logit Model: Perbedaan
dalam Realm Multivarian."    Diakses 28 Mei 2008, dari http://home.gwu.edu/ ~
soyer/mv1h.pdf .
           

Вам также может понравиться