複数因子に対するJMP分析の選択を支援こんにちは！私はJMP 13（通常）を使用しており、予測モデリングと特殊モデリングについて学習しています。
私はプロセスの10万人以上の観測を持つデータセット（添付）を持っています。 75％の観察期間は4日以内です。 いくつかの観測が4日以上かかった理由を知りたいのですが。 私はいくつかの考えられる要因を特定しました：1つの継続的な16のカテゴリー。
私がデータに適用できる1つ以上のJMP分析を提案してください。
再：複数因子のためのJMP分析の選択を手助けするどのように、どこで、いつ、どのような状況下でデータが収集されたかについてほとんど知識を持たずに他の場所からデータを継承した場合は特に、予測モデリングを開始します。モード。私は、データ品質、変わった、または不適切な観察、欠損値（これらのどれもない）、ナンセンスな値、およびモデリングを問題にする可能性のあるその他の機能のようなものを探します。私はいつもDistributionプラットフォームから始めて、「データはどこにあるのか、どこまで広がっているのか、そして変わったこと、あるいは変わったことが起こっているのか」という感触を得るためだけに始めます。特にそこから比較的小さな予測変数のセットで、私はちょうど予測子と応答の間の関係を探すためにFit Y by Xプラットフォームを使用します...そして私が見たものを私のプロセス/ドメイン知識と比較します。散布図が「水が上り坂」であることを証明した場合（言い換えれば、物理学、化学、生物学、社会経済的行動などの反則として知られている）、私は不審になり始め、最下位に達するまでモデリング作業を中断します。問題。
データのクリーニングと準備は決して楽しいものではありません...作業には時間がかかりますが、絶対に必要です。
再：複数因子のためのJMP分析の選択を手助けするこんにちはピーター、私のデータのカテゴリカル変数についてのフィードバックに感謝します。 1という値しか持たないものもあれば、非常に低い割合の値しかないものもありました。 私は分析からそれらを除外することができるかどうか見るために戻ってこれらのカテゴリー変数についてもっと学ぶつもりです。
再：複数因子のためのJMP分析の選択を手助けする生データのもう一つの特徴は、'1'または '0'レベルのxカテゴリカル変数の割合が高く、その特定の変数の他のレベルのxカテゴリ変数の割合が比較的低いことです。それらの多くのための1％およびより高い/より低い範囲。 私は自分のクロスバリデーションとモデルバリデーションの仕組みを熟考するのにある程度の時間を費やすようにします。あなたはJMP Proを実行していないので、これはあなたのために仕事を作り出すつもりです...しかし、任意の1つのxカテゴリー変数のレベルの1つですべてのカテゴリー変数を観察することはほとんどありません。信号がノイズを超えて上昇するには、低い比率レベルでは十分な観測値がありません。
再：複数因子のためのJMP分析の選択を手助けする生データを簡単に見てみました。あなたはいくつかのX変数が "1"にしかないことを知っていますか？
再：複数因子のためのJMP分析の選択を手助けするターゲット列が構築されたら、パーティションまたはロジスティック回帰から始めることができます。
パーティション
http://www.jmp.com/support/help/Partition_Models.shtml
Webキャスト： https://www.jmp.com/en_us/events/ondemand/building-better-models/decision-trees.html
ロジスティック回帰
http://www.jmp.com/support/help/Logistic_Analysis.shtml#274628
再：複数因子のためのJMP分析の選択を手助けするどういたしまして、
デシジョンツリーは影響の可能性を確認するためのすばやい方法であり、インジケータ列を使用できます。
次のような単純な列式
もし（：時間> 4、1、0）
その後、モデルタイプを名義型に変更して応答として使用できます。
ベスト、
クリス
再：複数因子のためのJMP分析の選択を手助けするこんにちはクリス。はい、Y列は日数です。それに基づいてインジケーター列を作成するという提案をありがとう。
再：複数因子のためのJMP分析の選択を手助けするY列は日数ですか？そうであれば、4日を超える観測値を表すために指標列を作成し、それをモデリングに使用して、どの変数が指標変数の予測に最も大きな影響を与えるかを確認できます。
クリス
