곡선 피팅 및 정규화긍정적으로 치우친 데이터 세트가 있으므로 이를 정규화해야 합니다. 나는 지적 장애가 있는 개인의 나이와 도전적인 행동을 나타내는 파형 선을 얻었습니다. 저는 JMP와 고급 통계 절차를 처음 접했는데, 이는 박사 학위 연구에 필요한 큰 단계입니다. 스케일 개발, 곡선 피팅, 데이터 정규화에 대한 단계별 지침이나 비디오... 어떤 도움이라도 주시면 감사하겠습니다.
Re: 커널 스무더메일을 보내주셔서 감사합니다. "도움말 책"을 읽고 커널 스무더를 사용하여 데이터를 탐색하겠습니다. 대역폭과 그것이 배포에 미치는 영향에 대한 이해가 부족합니다. 감사합니다
Re: 커널 스무더
JMP에서 커널 스무더를 사용하는 방법을 모르겠습니다.
JMP 도움말 또는 가이드의 어떤 부분( 돕다 > 서적 > 기본분석 : 분포 ) 이해가 안 가시나요? 도와드리게 되어 기쁘게 생각합니다.
Re: 커널 스무더
Johnson 곡선 피팅 후 점수를 이러한 종류의 테스트에 대한 벤치마크인 척도(m=15, sd=3)로 변환했습니다. 내 데이터의 일부를 여기에 보냈습니다. 첫 번째 col -raw 점수(0-27), 두 번째 col-scale 점수(1-24), 세 번째는 Excel에서 커널 밀도 추정에 두 번째를 맞추고 조정된 scaled 점수인 세 번째 col을 얻었습니다. . 문제는 이 조정 환산 점수가 평균 15, SD 3이어야 한다는 것입니다.
척도를 {m=15, sd=3}으로 변환했습니다. JMP는 일반적인 관행이므로 중심화(m=0) 및 배율 조정(sd=0)을 시도합니다. 예를 들어, 이런 방식으로 중앙에 배치되고 확장된 예측 변수는 회귀 가정을 더 잘 충족합니다. 임의의 변환을 위해 설계되지 않았습니다. 원하는 sd를 얻기 위해 언제든지 상수를 곱할 수 있습니다. 원하는 평균을 얻기 위해 언제든지 상수를 추가할 수 있습니다. 번역하기 전에 크기를 조정하세요.
커널 스무더안녕하세요 다시,
Johnson 곡선 피팅 후 점수를 이러한 종류의 테스트에 대한 벤치마크인 척도(m=15, sd=3)로 변환했습니다. 내 데이터의 일부를 여기에 보냈습니다. 첫 번째 col -raw 점수(0-27), 두 번째 col-scale 점수(1-24), 세 번째는 Excel에서 커널 밀도 추정에 두 번째를 맞추고 조정된 scaled 점수인 세 번째 col을 얻었습니다. . 문제는 이 조정 환산 점수가 평균 15, SD 3이어야 한다는 것입니다. JMP에서 커널 스무더를 사용하는 방법을 모르겠습니다.나는 3가지 연령 그룹 기준을 가진 5가지 하위 척도를 얻었고 중간에 진행 중입니다. 지금까지 이들 중 어느 것도 평균-15, SD-3에 적합하지 않았습니다. 범위는 15~19이지만 SD의 범위는 3~5입니다. 시간이 촉박해서 방법을 찾아야 합니다. 맞는지 모르겠습니다. 최대값 24를 사용하여 Excel에서 난수 생성에 세 번째 열을 사용하려고 했습니다. 올바른 것을 찾기 위해 m과 sd를 계산했습니다. 하지만 그렇게 하는 것은 철저합니다. 여기서 비모수적 통계를 탐색할 자신이 없지만 커널 스무더가 표준 스무딩 이후에 적합하다는 증거가 있습니다. 어떤 조언이라도 정말 감사하겠습니다. 감사해요.
Re: 곡선 피팅 및 정규화감사합니다. 그것을 탐구할 것이다.
Re: 곡선 피팅 및 정규화비제이,
최신 입력을 기반으로 신경망이나 파티셔닝과 같은 예측 모델링 기술을 사용하여 데이터를 분석해야 할 수도 있습니다.
Re: 곡선 피팅 및 정규화네 감사합니다. 나는 확실히 그럴 것이다. 그러나 나는 또한 이 관점에 이의를 제기할 충분한 지식이 없으며 이것이 전체론 대 환원주의, 양적 대 질적, 제1종 오류 대 제2종 오류 등과 같은 논쟁이 될 수 있다는 사실도 받아들인다고 생각합니다. 내 작업에 대해 내가 보충할 수 있는 유일한 변호는 집중 치료가 필요한 사람, 부모나 교사가 행동 수정에 대한 교육을 받을 수 있는 사람, 따라서 잠재적인 문제를 피할 수 있는 사람을 분류하는 데 시스템 수준에서 이 척도가 더 유용할 것이라는 점입니다. 긍정적인 행동 지원이 필요한 사람은 적습니다. 개별 접근 방식보다는 시스템 기반 조항(개입 모델에 대한 대응)에 더 가깝습니다. 치료 클리닉에 들어가는 어린이는 참조된 기준에 따라 치료를 받게 됩니다.
제안해 주셔서 감사합니다.
Re: 곡선 피팅 및 정규화Donald Wheeler 박사의 논문을 읽어보세요:
데이터 변환은 분석에 치명적일 수 있습니다
정규분포와의 잘못된 연애는 반드시 끝나야 합니다!
Re: 곡선 피팅 및 정규화이전 게시물에서 몇 주간의 고민과 광범위한 연구 끝에 저는 챕터 작성의 일부를 포함하여 다음 단계를 생각해냈습니다. 괜찮다면 누군가 동료 검토 및 검증을 부탁할 수 있습니까? 감사해요.
규범 개발
하위척도와 도전적 행동 종합(CBC) 규범의 개발은 여러 단계로 이루어졌습니다. 절차는 Jing-Jen Wang(1992)의 작업에서 채택되었습니다. [1] 및 참새, Cicchetti & Balla (2005) [2] . 연령(4~58세)을 12개 연령군으로 나누고 각 연령군별 5개 하위척도에 대해 원점수 분포의 해당 평균, 표준편차, 왜도, 첨도를 계산했습니다. 각 하위척도별로 연령별 12개 평균의 선 그래프를 개별적으로 그려 평균을 따라 부드러운 선을 그었다. 동일한 방식으로 12개 연령 그룹의 표준 편차를 플롯하고 평활화했습니다.
각 하위 척도에 대한 각 연령 그룹의 평활화된 평균 및 표준 편차, 평활화되지 않은 왜도 및 첨도 값은 여러 표준화 단계에 추가로 입력되었습니다. 원점수는 표준점수로 변환되었으며, 이는 다시 평활평균과 표준편차를 기반으로 또 다른 분포로 생성되었습니다. Johnson 경계 분포를 생성하기 위해 분포(평활화된 평균 및 표준 편차 포함)가 입력되었습니다. [삼] CBRS(도전적 행동 평가 척도) 점수로 변환되었습니다. [4] (평균=15, SD=3). 범위를 넘어서는 표준을 얻기 위해 원시 점수와 CBRS 척도 점수를 사용한 선형 회귀가 수행되었습니다. 예측값은 CBRS 환산 점수로 사용되었습니다.
다음 단계에서는 12개 연령 그룹에 대한 변환이 55개 연령 그룹(4~58세)을 포함하도록 확장되었습니다. 격차를 메우기 위해 선형 보간(인접한 연령 그룹 간의 누락된 값에 대한)이 사용되었습니다. (연령대에 따른 결측값에 대해 외삽을 시도했는데 결과가 의미가 없어 그렇게 하지 않았습니다)
[1] 왕 지잉젠. (1992). 왜곡된 규범 분포에 대한 규범 생성에 대한 분석적 접근 방식. 캘리포니아주 샌프란시스코에서 열린 전국 교육 측정 협의회 연례 회의에서 발표된 논문.
[2] 참새, SS, 치케티, VD, & 발라, 광고(2005). Vineland-II 설문조사 양식 매뉴얼. NCS Pearson Inc. 미국
[삼] 존슨 곡선은 분포의 평균, 표준 편차, 왜도 및 첨도 값으로 생성된 모멘트(γ, δ, θ, σ)를 사용하여 맞춰집니다.
[4] Vineland-II는 부적응 행동 척도에 대해 평균(15)과 표준 편차(3)가 포함된 척도 점수를 사용합니다. 이는 다른 많은 테스트의 환산 점수에 대한 상대적인 척도로 간주됩니다.
Re: 곡선 피팅 및 정규화안내해 주셔서 다시 한번 감사드립니다. 실제 문제는 예를 들어 하위 척도에 4점 평가(0~3)의 9개 항목이 있으므로 총점은 27점입니다. 207, 범위(0-27)의 샘플을 사용한 빈도 분포에는 원시 점수 값, 즉 15, 18, 19, 20 등이 있지만 존재하지 않습니다. JSb를 실행할 때 내 데이터 세트에 없는 원시 점수 값에 해당하는 z 값은 무엇입니까? 이 경우 규범을 어떻게 생성할 수 있습니까? 또한 원 점수가 0인 환산 점수가 10인 환산 점수(z는 평균 15, sd가 3인 환산 점수로 변환되었으며 이는 도전적인 행동과 지적 장애에 대한 참조 지표)라는 의미에서 환산 점수가 널리 퍼져 있음을 확인했습니다. ), 존재하지 않는 점수를 제외한 나머지 점수(1~27)는 환산점수 17에 속한다. 나는 또한 T 점수를 시험해 보았지만 동일한 관찰이었습니다. 유사한 연구의 저자는 평균 및 SD 조정, 연령 그룹에 따른 부드러운 곡선, 모멘트 생성 및 JohnsonSb에 대한 입력, 변환 테이블에 대해 이야기합니다. 하지만 이에 대한 자세한 절차적 설명은 보이지 않습니다.주어진 순간에 JSb에 어떤 주파수 분포가 들어가는지 알 수 없습니까? JSb에서는 사용자 정의 매개변수를 허용합니다... 이러한 매개변수는 어디에서 왔으며 무엇에 적용됩니까? JSb 적용에 대한 이해가 필요합니다. 도움을 주셔서 감사합니다. 감사해요.
Re: 곡선 피팅 및 정규화기사를 보면 저자가 Johnson 변환 계열 중 하나를 관심 변수에 적용한 것으로 보입니다. JMP에는 Johnson 변환과 유사한 작업을 수행하는 몇 가지 작업 흐름이 있습니다.
작업 흐름 1: 변환되지 않은 원래 단위 변수를 사용하여 일반적인 배포 플랫폼 보고서를 만듭니다. 분포 플랫폼 보고서의 빈도 분포 그래픽 위 JMP 핫스팟에서 연속 적합 드롭다운 옵션을 선택한 다음 원하는 Johnson 변환을 선택합니다. 변환된 저장을 선택하여 Johnson 변환 그래픽 핫스팟의 데이터 테이블에 변환된 변수를 저장할 수 있습니다.
작업 흐름 2: JMP 버전 12 이상을 실행하는 경우에만 사용할 수 있다고 생각합니다. JMP 데이터 테이블에서 변환하려는 특정 열을 선택한 다음 열 머리글에서 마우스 오른쪽 버튼을 클릭하고 새 공식 열 -> 분포 -를 선택합니다. > 존슨 정규화. 이 워크플로우는 Johnson Sb 변환에 해당하는 데이터 테이블에 새 열을 생성합니다.
Re: 곡선 피팅 및 정규화응답해 주셔서 감사합니다. 내가 데이터를 정규화하려는 이유는 내가 개발한 척도에 대한 규범을 생성하고 심리측정학적 특성을 확립할 수 있기를 원하기 때문입니다. 나는 이 글을 읽고 있다 https://ia801404.us.archive.org/27/items/ERIC_ED353271/ERIC_ED353271.pdf , 내가 하고 싶은 일과 비슷해요.
JMP에서 이 곡선 피팅을 실행하려면 도움이 필요합니다. 다시 한 번 감사드립니다.
Re: 곡선 피팅 및 정규화제가 가진 첫 번째 질문은 왜 특정 변수의 분포가 왜곡되었다는 이유만으로 데이터를 '정규화'해야 한다고 생각하시나요?입니다. 왜도 자체가 반드시 어떤 방식으로든 데이터를 변환하는 이유가 되는 것은 아닙니다. 일반적으로 변환의 필요성은 일부 외부 기준에 대해 고려 중인 데이터 분석 방법과 같은 것에 의해 더 많이 결정됩니다. 분포 가정에 견고하거나 완전히 적용되지 않는 분석 방법이 많이 있습니다. 아마도 연구의 실제 목표와 데이터 분석을 고려하고 있는 방법에 대해 좀 더 공유할 수 있으며 우리 중 일부는 더 많은 지침을 제공할 수 있을 것입니다.
