JMP 14 Solicitudes de características académicasPeticiones:
- SEM
- Investigación de mercado, ciencias del comportamiento.
- Ganando terreno (SPSS!)
- Generador de modelos interactivo, que construye diferentes tipos de modelos, incluyendo SEM, PLS, ..., otras opciones de ajuste
- La nueva curva de ajuste: ¿opción para adaptarse a todos y encontrar lo mejor?
- Manera simple de especificar medidas repetidas (ver Factorial completo Medidas repetidas de ANOVA Add-In )
- Modelos mixtos lineales jerárquicos (HLMM): hacemos HLM y modelos mixtos, pero no HLMM
- Series de tiempo
- Validación
- Método de inviernos multiplicativo
- Suavizado exponencial simple: guarde la fórmula en la forma esperada (EWMA con el parámetro de suavizado)
- Modelo de ajuste
- Muestre el tamaño del efecto (eta ^ al cuadrado, Cohen's d) en la salida de la prueba del efecto (tal vez un clic derecho> opción Columnas para mostrar)
- Exportar a archivo LaTeX
- Existen varias herramientas para R
- Solicitudes existentes, palabra clave TEACHINGBA2015 (copie y pegue este enlace en su navegador para ver - http://darts.na.sas.com/darts/dashboard.php?mode=view&vREPORT_ID=20837)
Inconsistencias / mejoras:
- RASE y RMSE
- Tener dos términos es confuso. RASE solo se informa en Mínimos cuadrados (para validación) y en Comparación de modelos; de lo contrario, se informa como RMSE. RASE es solo la raíz SSE / n, el estimador sesgado de RMSE, en la mayoría de las publicaciones de minería de datos se le conoce simplemente como RMSE. Hagamos lo que hagamos, tenemos que ser coherentes.
- Las estadísticas de ajuste y resumen para las diferentes plataformas de modelado predictivo son diferentes:
- Por ejemplo, para respuestas continuas (cuando hay validación):
- Modelo Fit - RSquare y RASE
- Gen Reg - RSquare generalizado, -LogLikelihood, BIC, AIC (y RMSE se informa como Escala en la tabla de estimaciones de parámetros)
- Partición - RSquare, RMSE, AICc
- Neural - RSquare, RMSE, MAD, -LogLikelihood, SSE
- Comparación de modelos - RASE, RSquare, AAE.
- Agregue MAPE en la Comparación de modelos para una respuesta continua (error porcentual absoluto medio): está disponible en Series de tiempo, pero esa es la única plataforma.
- Parcelas residuales en Fit Y by X y Fit Model
- A la gente le gusta la variedad de parcelas residuales en Fit Y by X, pero sería bueno si fueran más bonitas (como en la nueva plataforma Mixta)
- Ajustar modelo, con SLR, sería bueno si la gráfica de regresión tuviera más funcionalidad: las bandas de confianza encajan y predicen con la capacidad de sombrear
- La opción para guardar fórmulas de predicción o probabilidad: cómo se llama la opción y dónde se encuentra, se basa en la plataforma. Sería bueno si tuviéramos más consistencia aquí
- Nombramiento de predicciones guardadas y fórmulas de probabilidad
- Agrupación por modelo guardado, con la capacidad de nombrar al grupo
- ¿Aprovecha la unión virtual para anotar con nuevos datos? (A través de Model Depot)
Re: JMP 14 Requerimientos de Característica Académica<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Próximos pasos:
- Mia, Volker, Julian y Curt revisan estos elementos para enumerar los nombres de los profesores / escuelas para diferentes solicitudes
- Desarrollar maqueta / prototipo de modelador interactivo - Julian lead
Re: JMP 14 Requerimientos de Característica Académica1. SEM / Model Builder
2. Medidas repetidas, + tamaños de efectos.
3. Series de tiempo
Re: JMP 14 Requerimientos de Característica AcadémicaConstrucción de modelos interactivos / SEM
Índices de tamaño del efecto
Medidas repetidas más fáciles
(Ejemplo: SPSS interactivo)
Re: JMP 14 Requerimientos de Característica AcadémicaMi top 3:
SEM
Constructor de modelos interactivos
Mas consistente Estadísticas de ajuste y resumen para las diferentes plataformas de modelado predictivo.
Re: JMP 14 Requerimientos de Característica AcadémicaMis 3 mejores son:
SEM
Hacer que las estadísticas de resumen para los modelos predictivos sean más consistentes
Agregando funcionalidad a las series de tiempo
