Variables explicativas compositivas<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hola
Mi pregunta es cómo implementar una variable explicativa de composición en un modelo de regresión lineal utilizando JMP Pro. Digamos que tenemos una variable dependiente continua Y y tenemos d variables explicativas X1, ..., X re que se representan en porcentajes y se caracterizan por una restricción de suma constante (100%). Aitchison en 1986 introdujo el contraste de registro para abordar este problema, pero todavía hay problemas con la interpretación de los parámetros. ¿Hay algún modelo en JMP Pro que pueda manejar el problema de las variables explicativas de composición? Leí sobre el uso de la transformación centrada de la relación de registro (clr) o la transformación isométrica de la relación de registro (ilr), pero no están disponibles en JMP
Gracias
Re: Variables explicativas compositivasLo siento por ser perezoso. ¡La respuesta de DanO es básicamente lo que quería decir!
Re: Variables explicativas compositivasNecesito modificar mi respuesta un poco. Noté que si sus variables X suman 1, JMP cambiará automáticamente a un modelo de Scheffe. Parece que no puede ajustar un modelo de no intercepción a las variables de composición. Por lo tanto, mi nota anterior es importante en caso de que las variables no sumen exactamente 1. Gracias a un Jian Cao por señalar este ajuste automático de un modelo de Scheffe en esta situación, incluso si el atributo de mezcla no está establecido.
Re: Variables explicativas compositivasS,
La respuesta corta es que SI, JMP Pro (e incluso JMP regular) puede analizar esta situación de manera adecuada.
Respuesta más larga, más detallada:
Su situación podría ser considerada como un modelo de mezcla. Un modelo mixto es un modelo en el que los "factores" (X1 a Xd en su caso) están limitados a que sumen 1 o 100%. Debido a esta restricción, no puede utilizar técnicas de regresión estándar (tiene una matriz singular que no se puede invertir). Hay varios "trucos" posibles que podrían usarse para convertir esto en un problema de regresión. Lo más común es usar lo que se llama un modelo de Scheffe. Este modelo pondrá la intercepción en cada uno de los efectos principales. Esto "eliminará" el término de intercepción como se estima por separado. Este es el enfoque que MIchael.Anderson propuso. Si observa detenidamente, la tabla de análisis de varianza resultante tendrá una línea que dice "Prueba contra el modelo reducido Y = Media". Esta es la prueba de que es un modelo de Scheffe, no un modelo de no intercepción. Un modelo de no intercepción tendría la línea "Pruebas contra el modelo reducido Y = 0".
Esta es, con mucho, la forma más fácil de analizar su situación, pero los modelos de Scheffe se interpretan de manera diferente a un modelo de regresión típico (de hecho, todos los modelos para estas "variables de composición" deberán interpretarse de manera diferente porque no puede usar la regresión típica) . La interpretación tomaría algún tiempo para pasar por aquí, ya que toma aproximadamente 30 minutos en nuestra clase en el análisis de mezclas. La interpretación también dependerá del orden del modelo que esté ajustando. Con suerte, esto le dará una idea de lo que está sucediendo y los lugares para comenzar a aprender cómo analizar adecuadamente esta situación.
Re: Variables explicativas compositivasHola micheal
Primero gracias por su respuesta. Intenté abordar este problema, pero el resultado es algo confuso para mí, ya que agregar atributos de "Efecto de mezcla" a mis variables explicativas de composición solo suprimió la intercepción en el modelo de regresión de mínimos cuadrados estándar. En otras palabras, el resultado del "Efecto de mezcla" es el mismo si tuviera los mínimos cuadrados estándar sin "Efecto de mezcla" y "Sin intercepción". Así que mi entendimiento es que no hay transformaciones de ningún tipo.
¿Debo elegir una personalidad específica si quiero usar "Efecto de mezcla"? ¿También necesito reemplazar todos los ceros en mis variables explicativas de composición con algún número como 0.0001? Mi tercera preocupación es si fuera de las variables explicativas de la composición, tengo que usar d-1 para evitar la multicolinealidad.
Realmente aprecio su respuesta.
S
Re: Variables explicativas compositivasHola sebastian
Gracias por su respuesta. No necesito diseñar ningún experimento. Ya tengo mis datos y necesito encajarlos en un modelo. Mi respuesta es una variable continua y mis variables explicativas son una mezcla de variables continuas y categóricas. Cuatro de mis variables explicativas son variables compositivas continuas que su suma es del 100%. Las variables de composición son singulares y leí que las variables explicativas de composición no deberían usarse directamente en un modelo de regresión lineal porque cualquier estadística de inferencia puede ser engañosa
Miré los "Diseños de mezclas de ajuste" en JMP Pro, pero tengo entendido que sus tipos de modelos son para diseñar modelos en lugar de ajustar modelos.
Mejor
Re: Variables explicativas compositivasCuando esté construyendo su modelo en Ajuste, mire debajo del triángulo rojo Atributos hacia la parte inferior del cuadro de diálogo. Allí encontrarás un "efecto de mezcla". Seleccione las columnas (que ya deberían estar en el área de Efectos de modelo del cuadro de diálogo) que desea que formen parte de su mezcla y seleccione el atributo Efecto de mezcla.
Mejor,
METRO
Re: Variables explicativas compositivasEs posible que desee interpretar su problema como un análisis de mezcla: Diseños de mezcla de ajuste
No sé si eso tiene sentido para su aplicación, pero sería mi primer intento.
