構成説明変数<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />こんにちは
私の質問は、JMP Proを使用して線形回帰モデルに構成的説明変数を実装する方法です。1つの連続従属変数Yがあり、d個の説明変数X 1、...、Xがあるとします。日パーセンテージで表され、定数合計制約（100％）によって特徴付けられます。 1986年のAitchisonは、この問題に対処するために対数コントラストを導入しましたが、それでもパラメータの解釈には問題があります。JMP Proには、構成的説明変数の問題を処理できるモデルはありますか？中心対数比変換（clr）または等角対数比変換（ilr）の使用について読みましたが、JMPでは使用できません
ありがとうございました
構成説明変数怠け者ですみません。DanOの答えは基本的に私が言いたかったことです！
構成説明変数答えを少し修正する必要があります。あなたのX変数が1になると、JMPは自動的にScheffeモデルに切り替わることに気づきました。傍受なしモデルを構成変数に当てはめることはできないようです。だから私の前のメモは、変数が正確に1にならない場合に重要です。混合属性が設定されていなくても、この状況でScheffeモデルのこの自動近似を指摘してくれたJian Caoに感謝します。
構成説明変数S、
簡単な答えは、はい、JMP Pro（そして通常のJMPでも）がこの状況を適切に分析できることです。
より長く、より詳細な答え：
あなたの状況は確かに混合モデルと見なすことができます。混合モデルは、"要因"（あなたの場合はX1からXd）が最大で1または100％になるように制約されているモデルです。この制約のため、標準の回帰手法を使用することはできません（反転できない特異行列があります）。これを回帰問題に変えるために使用できるいくつかの異なる可能な「トリック」があります。最も一般的なのは、Scheffeモデルと呼ばれるものを使用することです。このモデルは、それぞれの主な効果に切片を入れます。これは、切片の用語を別々に推定されているものとして「削除」します。これがMIchael.Andersonが提案したアプローチです。注意深く見ると、結果の分散分析表には、「縮小モデルYに対する検定=平均」という行が表示されます。これは、それが遮断効果のないモデルではなく、Scheffeモデルであることの証明です。傍受しないモデルでは、「縮小モデルYに対するテストY = 0」という行になります。
これはあなたの状況を分析する最も簡単な方法ですが、Scheffeモデルは典型的な回帰モデルとは異なって解釈されます（実際、典型的な回帰を使用することはできないので、これらの "構成変数"のモデルはすべて異なって解釈される必要があります） 。混合分析のクラスでは約30分かかるので、この解釈にはしばらく時間がかかります。解釈は、あなたがフィットしているモデルの順番にも依存します。うまくいけば、これは何が起こっているのか、そしてこの状況を正しく分析する方法について学び始める場所への洞察をあなたに与えるでしょう。
構成説明変数こんにちは。
まずご回答ありがとうございます。私はこの問題に対するあなたのアプローチを試みましたが、私の構成説明変数に "混合効果"属性を追加することは標準最小二乗回帰モデルの切片を抑制するだけだったので、結果はどういうわけか私を混乱させます。言い換えれば、"Mixture Effect"と "No Intercept"のない標準最小二乗法を使用した場合、"Mixture Effect"の結果は同じです。だから私の理解は、いかなる種類の変換もないということです。
「混合効果」を使用したい場合は、特定の人格を選択する必要がありますか？また、構成説明変数のすべてのゼロを0.0001のような数値に置き換える必要がありますか。私の3番目の関心事は、d個の構成説明変数のうち、多線形性を避けるためにd-1を使わなければならないかどうかです。
ご回答ありがとうございます。
S
構成説明変数こんにちはセバスチャン、
ご回答ありがとうございます。実験を設計する必要はありません。私はすでに自分のデータを持っており、それらをモデルに合わせる必要があります。私の応答は連続変数であり、私の説明変数は連続変数とカテゴリ変数の混合です。私の説明変数の4つはそれらの合計が100％である連続的な構成変数です。構成変数は特異であり、推論統計は誤解を招く可能性があるため、構成説明変数を線形回帰モデルで直接使用しないでください。
私はJMP Proの "Fitting Mixture Designs"を見ましたが、私の理解するところでは、それらのモデルタイプはフィットモデルではなくモデルを設計するためのものです。
ベスト
構成説明変数モデルをフィットモデルで構築しているときは、ダイアログ下部の属性赤い三角形の下を見てください。 そこには「混合効果」があります。混合物の一部にする列（すでにダイアログの[モデル効果]領域にあるはずの列）を選択し、[混合効果]属性を選択します。
ベスト、
M
構成説明変数あなたはあなたの問題を混合分析として解釈したいかもしれません： フィッティングミックスデザイン
それがあなたのアプリケーションにとって意味があるかどうかはわかりませんが、それが私の最初のショットになるでしょう。
