Unterschied zwischen JMP und Excel bei den Regressionsausgaben von Dummy-VariablenHallo alle,
Anfängerfrage hier: Ich mache eine Dummy-Variablenregression mit JMP für ein Schulprojekt. Als ich auf die Excel-Version verwies, stellte ich fest, dass die Koeffizienten völlig unterschiedlich sind, obwohl die t-Statistiken gleich sind.
JMP:
Diese beiden Bilder stammen von JMP, und wie Sie im Vergleich zur Excel-Version sehen können, unterscheiden sich die Zahlen, obwohl ich dieselben Attribute verwende.
Und es liegt nicht am Interaktionseffekt, wie ich es nur mit den Variablen gemacht habe, ohne den Interaktionseffekt (z. B. COO x Coupons) und die Ergebnisse sind immer noch unterschiedlich.
Seltsamerweise scheint die Excel-Version korrekter zu sein als die JMP-Version und passt besser zu meiner sekundären und anderen primären Forschung.
Irgendein Rat?
Betreff: Unterschied zwischen JMP und Excel bei den Regressionsausgaben von Dummy-VariablenDer Standardfehler ist per Definition 1.
Betreff: Unterschied zwischen JMP und Excel bei den Regressionsausgaben von Dummy-VariablenHallo Mark,
Alle Fragen werden beantwortet, mit Ausnahme von „So finden Sie den Standardfehler des Beta-Koeffizienten für jede unabhängige Variable“, nachdem Sie eine Regression für das Anpassungsmodell in JMP ausgeführt haben.
Können Sie mich in die richtige Richtung weisen? Vielen Dank!
Betreff: Unterschied zwischen JMP und Excel bei den Regressionsausgaben von Dummy-VariablenEs gibt keine angehängten Bilder.
Der Link führt mich zu einer Seite, auf der "Zeitüberschreitung" steht.
Welche Frage wird beantwortet? Was ist die Antwort? (Vielen Dank!)
Betreff: Unterschied zwischen JMP und Excel bei den Regressionsausgaben von Dummy-VariablenHallo Mark,
Vielen Dank, dass Sie sich so schnell zurückgemeldet haben.
Wenn Sie sich auf die angehängten Bilder beziehen, ist dies die Analyseausgabe nach dem Ausführen einer Regression. Meine Frage ist also, gibt es eine Möglichkeit für mich, den "Gesamtstandardfehler der Schätzung" zu finden, wenn es so etwas gibt, da derzeit alles, was ich über den Standardfehler sehen kann, von jeder Koeffizientenschätzung ist.
Vielen Dank. Ich verstehe, woher du kommst.
Eine andere Sache ist, gibt es eine Möglichkeit, den Standardfehler des Beta-Koeffizienten für jede unabhängige Variable in der Analyse des Anpassungsmodells zu finden? Ich verstehe, dass dies die Methode ist, die verwendet wird, um den Beta-Koeffizienten zu finden: http://www.jmp.com/support/notes/36/009.html
Grüße,
Fred
[Bearbeitet, da ich die Antwort auf eine der Fragen gefunden habe]
Betreff: Unterschied zwischen JMP und Excel bei den Regressionsausgaben von Dummy-VariablenIch brauche eine Klarstellung.
- Was meinen Sie mit der "Schätzung des Gesamtmodells"? Sie schätzen Parameter. Können Sie mir ein Beispiel zeigen, wo es verfügbar ist? Dann würde ich es vielleicht erkennen.
- Wir vergleichen im Allgemeinen keine Parameterschätzungen zwischen Modellen. Wir verwenden stattdessen Modellauswahl Kriterien (z. B. angepasstes R-Quadrat, AICc, BIC, Mallow's Cp), um ein Modell mit minimaler Verzerrung und Varianz auszuwählen und dann auf die Parameterschätzungen des ausgewählten Modells zu schließen. Wir möchten nicht zwei Schätzungen aus verschiedenen Modellen mit einem Hypothesentest auf einen Unterschied vergleichen. Es wird erwartet, dass die Schätzungen von den anderen Termen im Modell abhängen, mit Ausnahme des seltenen Falls, dass alle Schätzungen orthogonal (nicht korreliert) sind, sodass unterschiedliche Modelle (dh unterschiedliche Sätze von Termen) normalerweise unterschiedliche Schätzungen für einen bestimmten Term ergeben würden.
Betreff: Unterschied zwischen JMP und Excel bei den Regressionsausgaben von Dummy-VariablenHallo Mark,
Danke für Ihre Hilfe! Sie haben mir bei der Verwendung von JMP sehr geholfen.
Ich bin am Ziel, also nur noch zwei Fragen:
1) Ich kann den Standardfehler der Schätzung für das Gesamtmodell nach dem Ausführen der Regression anscheinend nicht finden (ich kann nur den Standardfehler für jede unabhängige Variable finden). Können Sie mich dafür in die richtige Richtung weisen?
2) Nehmen wir an, ich habe Koeffizientenschätzungen, die aus einer Regression generiert wurden, und solche, die aus einer anderen Regression generiert wurden. Kann ich einen t-Test der Koeffizientenschätzungen in JMP durchführen?Wenn ja, habt ihr einen Tipp, wie ich das angehen kann?
Schätzen Sie wirklich Ihre Hilfe dazu! Vielen Dank.
Betreff: Unterschied zwischen JMP und Excel bei den Regressionsausgaben von Dummy-VariablenErstens müssen Sie, wie ich bereits sagte, keine Dummy-Variablen in JMP erstellen. Es ist eine statistische Analyse- und Modellierungssoftware.
Erstellen Sie zweitens Datenspalten, wie ich es für die Faktoren beschrieben habe (nicht separate Dummy-Variablenspalten für jede Faktorebene), sodass jeder Faktor eine Datenspalte verwendet, und geben Sie den Wert direkt für jede Zeile ein.
Erstellen Sie drittens eine Spalte (z. B. Befragter) und füllen Sie sie mit Werten, die den Befragten für jede Zeile identifizieren.
Wählen Sie nun Analysieren > Modell anpassen. Wählen Sie die Antwortspalte aus und klicken Sie auf Y. Wählen Sie die Faktorspalten aus und klicken Sie auf Hinzufügen oder verwenden Sie Kreuz oder ein Makro, um Interaktionseffekte zu Ihrem Modell hinzuzufügen.Wählen Sie den Respondent-Effekt (nicht die Datenspalte), klicken Sie auf das rote Dreieck neben Attribute und wählen Sie Random Effect. Diese Änderung ist alles, was Sie tun müssen. Sie unterscheiden lediglich die Wirkungsart des Befragten (zufällig) von der der anderen Faktoren (fest).
Betreff: Unterschied zwischen JMP und Excel bei den Regressionsausgaben von Dummy-VariablenHallo Mark,
Danke für die schnelle Antwort. Entschuldigen Sie, dass ich in meiner Erklärung nicht spezifisch genug war.
Ja, du hast Recht. Ein Befragter trägt mehr als eine Beobachtung bei, aber die Analyse interpretiert jede Beobachtung als unabhängig und als einen Befragten, wenn der tatsächliche Fall nicht zutrifft.
Was ich tun möchte, ist, Standardfehler für eine solche Cluster-Korrelation im Fit-Modell von JMP anzupassen.
Wie kann ich das von der Konsole unten machen (wenn es von hier ist)? (:
https://www.gsb.stanford.edu/faculty-research/working-papers/when-should-you-adjust-standard-errors-clustering
Grüße,
Fred
Betreff: Unterschied zwischen JMP und Excel bei den Regressionsausgaben von Dummy-VariablenIch kann mir Ihre Studie und ihre Daten nicht gut genug vorstellen, um Ihre letzte Frage zu beantworten. (Anmerkung: Ich habe nicht „letzte“ Frage gesagt.) Was meinen Sie mit „Faktor in gruppierter Korrelation“? Ich weiß, dass es mit „Dummy-Variablen werden alle als unabhängige Einträge behandelt“ und „von demselben Befragten durchgeführt“ zusammenhängt.
Eine Zeile in einer JMP-Datentabelle stellt alle Werte dar, die eine Beobachtung bilden. Das heißt, Sie kennen den Wert jeder Variablen (unabhängig und abhängig) für einen vollständigen Datensatz. Wollen Sie damit sagen, dass es eine andere Variable, Befragter, gibt, die die Beobachtung identifiziert, dass die Befragten mehr als eine Beobachtung beitragen, und Sie die Variabilität der Befragten in der Antwort berücksichtigen möchten? Wenn ja, geben Sie diese Variable in Ihre Datentabelle ein und fügen Sie sie als Begriff in Modell anpassen hinzu. Stellen Sie sicher, dass Sie es auswählen, klicken Sie auf das rote Dreieck für Attribute und wählen Sie Zufallseffekt.
Betreff: Unterschied zwischen JMP und Excel bei den Regressionsausgaben von Dummy-VariablenHallo Mark,
Danke für deine Hilfe noch einmal. Ich weiß Ihre schnelle Antwort zu schätzen und hilft mir wirklich dabei, besser zu verstehen, wie ich JMP für meine Arbeit verwende.
Ich habe noch eine letzte Frage: Gibt es eine Option für mich, die Cluster-Korrelation zu berücksichtigen? Das Problem ist, dass meine Dummy-Variablen alle als unabhängige Einträge behandelt werden, wenn einige von ihnen von demselben Befragten stammen, was bedeutet, dass ich das berücksichtigen muss.
Ich verstehe, dass andere Statistiksoftware dies durch eine eindeutige Variable zulässt, aber gibt es eine Möglichkeit, dies mit dem Fit-Modell in JMP zu tun?
Danke für Ihre Hilfe.
Grüße,
Fred
Betreff: Unterschied zwischen JMP und Excel bei den Regressionsausgaben von Dummy-VariablenRichtig, wählen Sie die Datenspalten für die an der Interaktion beteiligten Faktoren aus und klicken Sie auf Kreuz.
Unter der Schaltfläche „Makros“ finden Sie viele praktische Verknüpfungen, z. B. „Fakultät zu Grad“. Wenn der Grad auf 2 eingestellt ist, werden alle möglichen Zwei-Faktoren unter Verwendung der ausgewählten Datenspalten hinzugefügt.
Betreff: Unterschied zwischen JMP und Excel bei den Regressionsausgaben von Dummy-VariablenDer Parameter wird als Änderung der Antwort vom Mittelwert interpretiert. Ein negativer Wert weist tatsächlich auf einen Abfall der Antwortvariablen hin.
Betreff: Unterschied zwischen JMP und Excel bei den Regressionsausgaben von Dummy-VariablenErgänzend zur Anfängerfrage (verzeihen Sie) schaue ich mir auch die Wechselwirkung zwischen den verschiedenen Variablen mit dem Herkunftsland an.
Richten wir das Modell aus Softwaresicht so ein (verwenden Sie die Schaltfläche „Kreuz“), um den Interaktionseffekt zwischen Updates und COO – USA zu untersuchen?
Danke im Voraus, Markus.
Grüße,
Fred
Betreff: Unterschied zwischen JMP und Excel bei den Regressionsausgaben von Dummy-VariablenHallo Mark,
Danke für die schnelle Antwort. Das finde ich überaus hilfreich.
Ich möchte diese Gelegenheit nur nutzen, um auch zu fragen: Bedeuten die negativen Schätzungen, dass das Vorhandensein dieser Variablen die Präferenz (unter der Annahme, dass die Präferenz die LHS-Variable ist und als niedrig = nicht bevorzugt und hoch = bevorzugt codiert ist) im Vergleich zum Ausgangswert verringert?
Dies wird im Vergleich zu Excel eine seltsame Entdeckung sein, da erwartet wird, dass diese Variablen die Präferenz erhöhen.
Betreff: Unterschied zwischen JMP und Excel bei den Regressionsausgaben von Dummy-VariablenExcel ist nicht mehr richtig. Sie sind einfach anders. Es hat mit dem zu tun Parametrierung des linearen Modells. Die Wahl ist mathematisch willkürlich, aber jeder Weg hat seine Vorteile. JMP verwendet Parametrisierung bewirken . Auf diese Weise sollen die Parameterschätzungen besser interpretierbar werden. Sie summieren sich zu Null, sodass der Schnittpunkt die mittlere Antwort am Ursprung ist. Der Parameter für einen gegebenen Pegel ist die Änderung vom Schnittpunkt. Also eine Schätzung von -0,55112 zum COO-USA = 0 bedeutet, dass der Mittelwert für dieses Niveau 5,8482381 - 0,55112 = 5,2941181 beträgt. Die Diagramme sollen helfen, das ausgewählte Modell zu interpretieren.
Da Sie numerische Werte mit dem korrekten nominalen Modellierungstyp verwenden, schätzt JMP den Effekt dieser kategorialen Prädiktoren korrekt ein. Der numerische Code könnte jedoch von Excel als kontinuierliche Variable interpretiert werden, da er nichts mit dem Modellierungstyp zu tun hat, der für die statistische Modellierung und das Testen grundlegend ist. Dieses Modell könnte zu einer ganz anderen Schätzung, Prüfung und Interpretation führen.
Sehen Hilfe > Bücher > Anpassen von linearen Modellen > Anhang A: Statistische Details > Die Faktormodelle .
