Différence entre JMP et Excel dans les sorties de régression de variable fictiveSalut tout le monde,
Question de débutant ici : Je fais une régression de variable fictive en utilisant JMP pour un projet scolaire. Lorsque j'ai croisé la version d'Excel, j'ai réalisé que les coefficients sont complètement différents même si les t-stats sont les mêmes.
JMP :
Ces deux images sont de JMP et comme vous pouvez le voir par rapport à la version Excel, les chiffres sont différents même si j'utilise les mêmes attributs.
Et ce n'est pas à cause de l'effet d'interaction comme je l'ai fait avec seulement les variables, sans l'effet d'interaction (par exemple COO x Coupons) et les résultats sont toujours différents.
Étrangement, la version d'Excel semble plus correcte que la version de JMP, s'alignant plus étroitement avec mes recherches secondaires et autres recherches primaires.
Aucun conseil?
Re : Différence entre JMP et Excel dans les sorties de régression de variable fictiveL'erreur type est de 1 par définition.
Re : Différence entre JMP et Excel dans les sorties de régression de variable fictiveSalut Mark,
Toutes les questions reçoivent une réponse à l'exception de "comment trouver l'erreur standard du coefficient bêta pour chaque variable indépendante" après avoir exécuté une régression sur Fit Model dans JMP.
Pouvez-vous m'orienter dans la bonne direction ? Merci!
Re : Différence entre JMP et Excel dans les sorties de régression de variable fictiveIl n'y a pas d'images jointes.
Le lien m'amène à une page qui dit "Timed out".
À quelle question répond-on ? Quelle est la réponse? (Merci!)
Re : Différence entre JMP et Excel dans les sorties de régression de variable fictiveSalut Mark,
Merci d'être revenu si rapidement.
Si vous vous référez aux images jointes, il s'agit du résultat de l'analyse après l'exécution d'une régression. Ma question est donc la suivante: existe-t-il un moyen pour moi de trouver «l'erreur standard totale d'estimation», s'il existe une telle chose, car actuellement, tout ce que je peux voir sur l'erreur standard concerne chaque estimation de coefficient.
Merci. Je comprends d'où vous venez.
Une autre chose est, existe-t-il un moyen de trouver l'erreur standard du coefficient bêta pour chaque variable indépendante dans l'analyse du modèle d'ajustement ? Je comprends que c'est la méthode utilisée pour trouver le coefficient bêta: http://www.jmp.com/support/notes/36/009.html
Salutations,
Fred
[Modifié car j'ai trouvé la réponse à l'une des questions]
Re : Différence entre JMP et Excel dans les sorties de régression de variable fictiveJ'ai besoin d'éclaircissements.
- Qu'entendez-vous par "l'estimation du modèle global ?" Vous estimez les paramètres. Pouvez-vous me montrer un exemple où il est disponible? Alors je pourrais le reconnaître.
- En général, nous ne comparons pas les estimations des paramètres entre les modèles. Nous utilisons plutôt sélection du modèle Critères (par exemple, R carré ajusté, AICc, BIC, Cp de Mallow) pour choisir un modèle avec un biais et une variance minimaux, puis déduire les estimations des paramètres du modèle sélectionné. Nous ne voudrions pas comparer deux estimations de modèles différents avec un test d'hypothèse pour une différence. Les estimations devraient dépendre des autres termes du modèle, sauf dans les rares cas où toutes les estimations sont orthogonales (non corrélées), de sorte que différents modèles (c'est-à-dire différents ensembles de termes) donneraient généralement des estimations différentes pour un terme donné.
Re : Différence entre JMP et Excel dans les sorties de régression de variable fictiveSalut Mark,
Merci pour ton aide! Vous m'avez beaucoup aidé à utiliser JMP.
Je suis sur la ligne d'arrivée, alors juste deux questions :
1) Je n'arrive pas à trouver l'erreur standard d'estimation pour le modèle global après avoir exécuté la régression (je ne peux trouver que l'erreur standard pour chaque variable indépendante). Pouvez-vous me diriger dans la bonne direction pour cela?
2) Disons que j'ai des estimations de coefficient générées à partir d'une régression et celles générées à partir d'une autre régression. Suis-je capable d'exécuter un test t des estimations de coefficient dans JMP ?Si oui, avez-vous des conseils sur la façon dont je peux aborder cela?
J'apprécie vraiment votre aide à ce sujet ! Merci.
Re : Différence entre JMP et Excel dans les sorties de régression de variable fictiveTout d'abord, comme je l'ai déjà dit, vous n'avez pas besoin de créer de variables factices dans JMP. C'est un logiciel d'analyse statistique et de modélisation.
Deuxièmement, créez des colonnes de données comme je l'ai décrit pour les facteurs (pas de colonnes de variables fictives séparées pour chaque niveau de facteur) afin que chaque facteur utilise une colonne de données et entrez la valeur directement pour chaque ligne.
Troisièmement, créez une colonne (Répondant, par exemple) et remplissez-la avec des valeurs qui identifient le répondant pour chaque ligne.
Sélectionnez maintenant Analyser > Ajuster le modèle. Sélectionnez la colonne de réponse et cliquez sur Y. Sélectionnez les colonnes de facteur et cliquez sur Ajouter ou utilisez Croix ou une macro pour ajouter des effets d'interaction à votre modèle.Sélectionnez l'effet Répondant (pas la colonne de données), cliquez sur le triangle rouge à côté d'Attributs et sélectionnez Effet aléatoire. Ce changement est tout ce que vous avez à faire. Vous distinguez simplement le type d'effet du Répondant (aléatoire) de celui des autres facteurs (fixe).
Re : Différence entre JMP et Excel dans les sorties de régression de variable fictiveSalut Mark,
Merci pour la réponse rapide. Excusez-moi de ne pas avoir été assez précis dans mon explication.
Oui tu as raison. Un répondant contribue à plus d'une observation, mais l'analyse interprète chaque observation comme indépendante et comme un seul répondant lorsque le cas réel n'est pas vrai.
Ce que je veux faire, c'est ajuster les erreurs standard pour une telle corrélation groupée, dans le modèle d'ajustement de JMP.
Comment puis-je faire à partir de la console ci-dessous (si c'est à partir d'ici) ? (:
https://www.gsb.stanford.edu/faculty-research/working-papers/when-should-you-adjust-standard-errors-clustering
Salutations,
Fred
Re : Différence entre JMP et Excel dans les sorties de régression de variable fictiveJe ne peux pas imaginer votre étude et ses données assez bien pour répondre à votre dernière question. (Remarque : je n'ai pas dit « dernière » question.) Qu'entendez-vous par « facteur de corrélation groupée » ? Je sais qu'il est lié à "les variables fictives sont toutes traitées comme des entrées indépendantes" et "effectuées par le même répondant".
Une ligne dans un tableau de données JMP représente toutes les valeurs qui composent une observation. Autrement dit, vous connaissez la valeur de chaque variable (indépendante et dépendante) pour un enregistrement complet. Êtes-vous en train de dire qu'il existe une autre variable, Répondant, qui identifie l'observation, que les répondants contribuent à plus d'une observation, et que vous voulez tenir compte de la variabilité du Répondant dans la réponse ? Si tel est le cas, entrez cette variable dans votre tableau de données et ajoutez-la en tant que terme dans Fit Model. Assurez-vous de le sélectionner, cliquez sur le triangle rouge pour les attributs et sélectionnez Effet aléatoire.
Re : Différence entre JMP et Excel dans les sorties de régression de variable fictiveSalut Mark,
Merci pour votre aide une fois de plus. J'apprécie votre réponse rapide et m'aide vraiment à mieux comprendre comment utiliser JMP pour mon travail.
J'ai une dernière question : y a-t-il une option pour moi de prendre en compte la corrélation groupée. Le problème est que mes variables fictives sont toutes traitées comme des entrées indépendantes lorsque certaines d'entre elles sont effectuées par le même répondant, ce qui signifie que je dois en tenir compte.
Je comprends que d'autres logiciels statistiques permettent cela via une variable unique, mais existe-t-il un moyen de le faire avec le modèle d'ajustement dans JMP.
Merci de votre aide.
Salutations,
Fred
Re : Différence entre JMP et Excel dans les sorties de régression de variable fictiveCorrect, sélectionnez les colonnes de données pour les facteurs impliqués dans l'interaction et cliquez sur Croix.
Voir le bouton Macros pour de nombreux raccourcis pratiques, tels que Factoriel en degré. Avec le degré défini sur 2, il ajoutera tous les facteurs à deux possibles en utilisant les colonnes de données sélectionnées.
Re : Différence entre JMP et Excel dans les sorties de régression de variable fictiveLe paramètre est interprété comme la variation de la réponse par rapport à la moyenne. Une valeur négative indique en effet une baisse de la variable réponse.
Re : Différence entre JMP et Excel dans les sorties de régression de variable fictiveEn plus de la question du débutant (pardonnez-moi), je regarde également l'interaction entre les différentes variables avec le pays d'origine.
Du point de vue d'un logiciel, est-ce ainsi que nous avons configuré le modèle (Utilisez le bouton "Croix") pour étudier l'effet d'interaction entre les mises à jour et le COO - USA ?
Merci d'avance, Marc.
Salutations,
Fred
Re : Différence entre JMP et Excel dans les sorties de régression de variable fictiveSalut Mark,
Merci pour la réponse rapide. Je pense que c'est extrêmement utile.
Je veux juste saisir cette occasion pour demander également : les estimations négatives signifient-elles que la présence de ces variables réduit la préférence (en supposant que la préférence est la variable LHS et qu'elle est codée comme faible = non préférée et élevée = préférée), par rapport à la ligne de base ?
Ce sera une découverte étrange par rapport à Excel car ces variables devraient augmenter la préférence.
Re : Différence entre JMP et Excel dans les sorties de régression de variable fictiveExcel n'est pas plus correct. Ils sont juste différents. Cela a à voir avec le paramétrage du modèle linéaire. Le choix est mathématiquement arbitraire mais chaque voie a ses avantages. JMP utilise paramétrage des effets . Cette méthode est censée rendre les estimations des paramètres plus interprétables. Leur somme est égale à zéro, donc l'ordonnée à l'origine est la réponse moyenne à l'origine. Le paramètre pour un niveau donné est le changement depuis l'interception. Donc une estimation de -0,55112 pour COO - États-Unis = 0 signifie que la moyenne pour ce niveau est 5,8482381 - 0,55112 = 5,2941181. Les tracés sont destinés à aider à interpréter le modèle sélectionné.
Étant donné que vous utilisez des valeurs numériques avec le type de modélisation nominal correct, JMP estime correctement l'effet de ces prédicteurs catégoriels. Le code numérique, cependant, peut être interprété par Excel comme une variable continue, car il n'a rien à voir avec le type de modélisation qui est fondamental pour la modélisation et les tests statistiques. Ce modèle pourrait conduire à une estimation, un test et une interprétation très différents.
Voir Aider > Livres > Ajustement de modèles linéaires > Annexe A : Détails statistiques > Les modèles factoriels .
