JMP序數回歸輸出<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />大家好
我正在嘗試使用JMP 10來擬合模型，結果使我感到困惑，我想也許你可以提供幫助。
我有一個序數因變量，有3個類別。我感興趣的主要自變量是離散的，不少於5類！除了這個IV之外，我還有其他幾個IV要檢查，有些是離散的，有些是連續的。
我使用Fit模型模塊運行模型。首先，我只測試了感興趣的主要IV，並且發生了一些奇怪的事情。JMP創建了虛擬變量，將最後一個類別保留為控件，很好。該模型不顯著，P = 0.1134（整體模型試驗），然而，一個虛擬變量實際上是顯著的（P = 0.036）。廣義R square為0.01，熵R square為0.009，訓練誤分類率為35％（因此任何測試集都會更差）。每個跡像都表明結果是一周，但是如何解釋整個模型是不重要的，而一個IV（在這種情況下是虛擬水平），是重要的？沒有相關性，因為所有IV都是相同假人的水平！
然後我嘗試添加幾個連續的IV。兩者都非常顯著（P = 0.0015，P = 0.0126）。然而，廣義R平方僅為5％左右。優勢比為1.16和0.9。當我改變了滾動播放，並通過我的DV創建了這些IV組的幾個盒子圖時，沒有專家說沒有一個有趣的區別。我的樣本量是411，可能是大樣本量導致低P值，還是I型錯誤？當我感覺到它們沒有意義時，我怎麼能解釋非常重要的結果呢？
謝謝 ！
Re：JMP Ordinal回歸輸出什麼是 ” 奇怪的 “關於你對第一款車型的初步印象？
你的第一個預測者是名義上還是序數？
整個模型和個體效應測試與單個參數估計的測試不同。可能存在與一個級別相關聯的重要參數（即，估計不同於0），而術語整體不重要（即，具有和不具有該術語的模型之間的差異不顯著）。因此，具有至少5個級別的預測器可能包括產生重要估計的一個級別，而總體上該術語不重要。通過使用一個數據樣本進行如此多的測試，您可能會對參數估計的重要測試產生類型I錯誤。
您的響應可能會受到超過單個名義預測器的影響，因此使用單個預測器的初始擬合可能並不重要。樣本R平方0.05對於序數響應並不罕見。各個級別的頻率是否大不相同？是否存在嚴重缺乏的適應性？
如果你的意思是' 改變了滾動遊戲 '你顛倒了相同變量的X和Y角色，然後它們之間的關聯仍然與角色無關，儘管數值結果會發生變化，因為假設誤差僅在Y角色中。
如果你的意思是' 沒有專家說沒有一個有趣的區別 “效果不明顯，我認為這與估計所傳達的印像一致。通過足夠的數據樣本，您可以找到小效應的重要參數估計值。與空值1（無關聯）相比，優勢比不大，但是 p -values使我們判斷它們是重要的（接受的I類錯誤率為0.05）。
是否有可能這種響應的影響尚未被任何先前的模型解釋過？
