Lineare Regression mit kategorialer X-Achse und ANOVA-Analysen<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hallo zusammen, ich bin ziemlich neu bei JMP Pro und habe ein paar Fragen:
1. Ich habe Probleme damit, eine lineare Regression durchzuführen, wenn die X-Achse kategorisch ist. Ich habe einen Datensatz von Blättern aus 9 verschiedenen Altersklassen (15 bis 30 beprobte Blätter für jede Blattaltersklasse, geordnet von der jüngsten zur ältesten Altersklasse wie folgt: Y1, Y2, Y3, Y/M, M, O, S, O/ S1, O/S2), 3 verschiedene Lichtverhältnisse (SU, SH Mid, SH Low) und 12 verschiedene Bäume. Diese Blätter haben 12 verschiedene physikalische und chemische Merkmale wie Blattdicke, Blattfläche, Blattwassergehalt, Blattkohlenstoffgehalt usw. und ich möchte den Trend für jedes Blattmerkmal (Y-Achse) nach Baum und Lichtverhältnissen geordnet ermitteln Alter der Blätter (X-Achse). Ich habe versucht, in das Menü „Analysieren“ zu gehen und eine nach Baum und Lichtbedingungen geordnete Regression „Y nach
2. Ich muss 1- und 2-Wege-ANOVAS- und Tukey-HSD-Tests durchführen, kann aber die Plattformen dafür nicht finden und HILFE war bisher nicht sehr hilfreich.
Ich habe zuvor SPSS zum Erstellen von Statistiken verwendet und weiß daher nicht, wie ich die oben genannten Analysen in JMP Pro durchführen kann.
Vielen Dank im Voraus für die Hilfe,
Cecilia
Betreff: Lineare Regression mit kategorialer X-Achse und ANOVA-AnalysenZusätzlich zu meinem ursprünglichen Beitrag versuche ich derzeit, die Fit-Modellplattform zu verwenden, um zu bestimmen, wie sich jedes meiner untersuchten Blattmerkmale (z. B. Blattdicke, Blattfläche, Blattwassergehalt, Blattkohlenstoffgehalt usw.) mit drei Modelleffekten ändert :
1. Baumarten (12 verschiedene Bäume)
2. Blattalter (9 Blattalter vom jüngsten zum ältesten: Y1, Y2, Y3, Y/M, M, O, S, O/S1, O/S2)
3. Verschiedene Lichtverhältnisse (Sonne, Schatten mittel, Schatten niedrig)
Ich habe versucht, eine Analyse mit dem Blattwassergehalt als „Y“ und lightCondition*leafAge als Modelleffekten unter Verwendung der Option „Cross“ (Interaktionen) durchzuführen. Ich bekam jedoch ein Fenster mit der Meldung: „Dem Modell fehlt ein Effekt“, und dadurch wurde mir klar, dass ich nicht berücksichtigt hatte, dass ich auf drei verschiedene Arten ein unausgeglichenes Sampling-Design habe:
1. Die Stichprobengrößen sind für jedes Blattalter unterschiedlich, wenn alle Bäume zusammengefasst werden und auch wenn sie für einzelne Bäume betrachtet werden
2. Die Blattalter zwischen den Bäumen sind alle unterschiedlich: Ein Baum kann nur ein Blattalter oder bis zu sechs Blattalter haben, wobei jeder Baum eine andere Kombination der möglichen neun Blattalter aufweist
3. Alle Bäume haben SU-Blätter, aber nur 4 Bäume haben SH Mid und einer davon hat auch SH Low, außerdem hat nur die Kronenposition SH Mid das Blattalter O/S2
Könnte mir jemand raten, wie ich damit umgehen soll? Ich habe versucht, die „Persönlichkeit“ des Modells von „Standard-Kleinste-Quadrate“ in „verallgemeinertes lineares Modell“ zu ändern, wobei „Verteilung“ auf „Normal“ und die „Verknüpfungsfunktion“ auf „Identität“ festgelegt wurde (dh keine Transformation, glaube ich). richtig?). Aber ich erhalte immer noch die Meldung „Dem Modell fehlt ein Effekt“, und im Grunde liegt das Problem meiner Meinung nach darin, wie mit fehlenden Daten umgegangen wird. Wie kann ich JMP Pro anweisen, an allen Stellen, an denen mir Daten fehlen, ein „NA“ einzufügen? Ich habe die Fehlermeldung „Fehlender Effekt“ ignoriert und die Analyse trotzdem ausgeführt. Die Ergebnisse zeigen, dass JMP Pro scheinbar fehlende Daten „ausfüllt“. Zu den Ergebnissen gehört beispielsweise das Blattalter O/S2 für die SUn-Blätter, das nicht existiert (ich denke, das ist die Quelle des Fensters „Modell fehlt ein Effekt“), und wenn man sich die Ergebnisse ansieht, scheint es, dass es sich um die Gewichtung und den Ausgleich des internen Algorithmus handelt geraten dadurch durcheinander. Für Ratschläge zum Umgang mit diesen fehlenden Daten in JMP Pro wäre ich sehr dankbar.
Vielen Dank im Voraus für die Hilfe! Cecilia
Betreff: Lineare Regression mit kategorialer X-Achse und ANOVA-AnalysenEs tut mir leid, dass ich nicht früher auf die Antworten geantwortet habe. Ich schreibe gerade meine Doktorarbeit, arbeite gleichzeitig an verschiedenen Analysen und musste mich eine Zeit lang auf einen anderen Satz konzentrieren. Vielen Dank für alle hilfreichen Kommentare. In den nächsten Wochen werde ich mich wieder mit diesen Regressions- und ANOVA-Analysen befassen und die verschiedenen genannten Optionen ausprobieren.
Nochmals vielen Dank, Cecilia
Betreff: Lineare Regression mit kategorialer X-Achse und ANOVA-AnalysenDie lineare Regression im Zusammenhang mit der Schätzung der Beziehung zwischen einer abhängigen stochastischen Variablen und einer oder mehreren unabhängigen Variablen ist nicht auf kontinuierliche Variablen beschränkt. In der Regressionsanalyse werden kategoriale Variablen oft als Dummy-Variablen bezeichnet, die den Wert 0 oder 1 annehmen. Das statistische Testverfahren entspricht zwar der ANOVA, das parametrisierte Modell und die geschätzte Vorhersageformel können jedoch auch aus einer Regressionsperspektive betrachtet werden. Tatsächlich ist in JMP der Varianzanalysebericht enthalten Modell anpassen wird als einer von mehreren „Regressionsberichten“ kategorisiert, unabhängig davon, ob unabhängige Variablen kategorisch sind oder nicht.
Modell anpassen kann sowohl für einseitige als auch für zweiseitige Analysen verwendet werden. Modell anpassen Außerdem können Sie die Vorhersageformel (d. h. die Regressionsfunktion mit geschätzten Parametern) anzeigen und speichern. Außerdem stehen verschiedene Optionen zur Parametrisierung zur Verfügung (zu finden unter dem roten Dreieck -> Schätzungen...). Tukey HSD wird über das rote Dreieck über jeder unabhängigen Variablen aufgerufen (in JMP „Effekte“ genannt).
Betreff: Lineare Regression mit kategorialer X-Achse und ANOVA-Analysen
Byron wrote:
Try using the Fit Model Platform (its under the Analyze menu, below the Fit Y by X platform you've already found)
This platform will perform a multiple linear regression
Ich würde es nicht „multiple lineare Regression“ nennen, wenn auf dem Originalposter stand, dass sie kategorisches X hat. Daher bin ich mir nicht sicher, ob das von Ihnen angegebene Beispiel passt.
Betreff: Lineare Regression mit kategorialer X-Achse und ANOVA-AnalysenVersuchen Sie es mit der Plattform „Modell anpassen“ (im Menü „Analysieren“ unter der Plattform „Y nach X anpassen“, die Sie bereits gefunden haben).
Diese Plattform führt eine multiple lineare Regression durch
Es sieht so aus, als ob Sie über mehrere
Dies ist eine kurze Beschreibung der Einrichtung
http://jmp.com/academic/pdf/learning/05_multiple_linear_regression.pdf
Hier finden Sie viele weitere Kurzanleitungen
JMP | Lernbibliothek
Betreff: Lineare Regression mit kategorialer X-Achse und ANOVA-AnalysenEs gibt keine lineare Regression mit kategorialen X, außer in dem Sinne, dass es sich tatsächlich um eine ANOVA handelt.
Eine einfaktorielle ANOVA in JMP ist die Anpassung von Y an X
Die zweifaktorielle ANOVA in JMP ist ein angepasstes Modell
