108143_it-IT

liliconcom

Modello di adattamento ai fattori ordinali e alla risposta

 

Ciao, ho un diagramma del genere e voglio capire l'equazione che lo produce:

 

 

 

 

 

 

Lo si può immaginare come uno spazio tridimensionale con risposte cromatiche per ogni combinazione S/U/D.

Ho inserito S/U/D in una tabella JMP per adattare (una sorta di) modello, ma mi sono reso conto immediatamente che la risposta nel codice colore (ad esempio 1 per verde, 2 per giallo e 3=rosso) non ha molto senso.

Per quanto mi risulta, l'equazione alla base di questo diagramma genera 4x4x3=48 valori e i colori corrispondono a determinate parti dei valori. Ad esempio, il 30% dei valori superiori diventa rosso, il 25% quelli inferiori diventano verdi. Il resto è giallo.

Come dovrei quindi rappresentare la risposta?

Non ci sono troppe incognite per questo compito?

Re: Adattamento del modello a fattori ordinali e risposta

Il suggerimento di Jim di utilizzare un metodo di partizionamento ricorsivo è ottimo. Il fatto è che esiste più di un modo in cui è possibile modellare questa risposta ordinale in diverse condizioni di S, U e D. Ecco un risultato utilizzando la regressione logistica ordinale:

 

dt = New Table( "4x4x3 Factorial",
 Add Rows( 48 ),
 New Table Variable( "Design", "4x4x3 Factorial" ),
 New Script(
  "Model",
  Fit Model(
   Effects( :S, :U, :D, :S * :U, :S * :D, :U * :D</img> ),
   Y( :Y ),
   PERSONALITY( Standard Least Squares )
  )
 ),
 New Script( "Evaluate Design", DOE( Evaluate Design, X( :S, :U, :D</img> ) ) ),
 New Script(
  "DOE Dialog",
  DOE(
   Full Factorial Design,
   {Add Response( Maximize, "Y", ., ., . ),
   Add Factor( Categorical, {"1", "2", "3", "4"}, "S", 0 ),
   Add Factor( Categorical, {"1", "2", "3", "4"}, "U", 0 ),
   Add Factor( Categorical, {"1", "2", "3"}, "D", 0 ),
   Set Random Seed( 873 ), Make Design, Simulate Responses( 0 ),
   Set Run Order( Sort Left to Right ), Make Table}
  )
 ),
 New Script(
  "Graph Builder",
  Graph Builder(
   Size( 566, 1456 ),
   Show Control Panel( 0 ),
   Show Legend( 0 ),
   Variables( Y( :Y ), Page( :D</img> ), Group X( :U ), Group Y( :S ) ),
   Elements( Points( Y, Legend( 7 ) ) ),
   SendToReport(
    Dispatch(
     {},
     "400",
     ScaleBox,
     {Legend Model(
      7,
      Properties( -1, {Line Color( 4 )}, Item ID( "1", 1 ) ),
      Properties( -1, {Line Color( 41 )}, Item ID( "2", 1 ) ),
      Properties( -1, {Line Color( 3 )}, Item ID( "3", 1 ) )
     )}
    )
   )
  )
 ),
 New Column( "Pattern",
  Character,
  "Nominal",
  Set Values(
   {"111", "112", "113", "121", "122", "123", "131", "132", "133", "141",
   "142", "143", "211", "212", "213", "221", "222", "223", "231", "232",
   "233", "241", "242", "243", "311", "312", "313", "321", "322", "323",
   "331", "332", "333", "341", "342", "343", "411", "412", "413", "421",
   "422", "423", "431", "432", "433", "441", "442", "443"}
  )
 ),
 New Column( "S",
  Character,
  "Nominal",
  Set Property( "Value Ordering", {"1", "2", "3", "4"} ),
  Set Property( "Design Role", DesignRole( Categorical ) ),
  Set Property( "Factor Changes", Easy ),
  Set Values(
   {"1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "2", "2",
   "2", "2", "2", "2", "2", "2", "2", "2", "2", "2", "3", "3", "3", "3",
   "3", "3", "3", "3", "3", "3", "3", "3", "4", "4", "4", "4", "4", "4",
   "4", "4", "4", "4", "4", "4"}
  )
 ),
 New Column( "U",
  Character,
  "Nominal",
  Set Property( "Value Ordering", {"1", "2", "3", "4"} ),
  Set Property( "Design Role", DesignRole( Categorical ) ),
  Set Property( "Factor Changes", Easy ),
  Set Values(
   {"1", "1", "1", "2", "2", "2", "3", "3", "3", "4", "4", "4", "1", "1",
   "1", "2", "2", "2", "3", "3", "3", "4", "4", "4", "1", "1", "1", "2",
   "2", "2", "3", "3", "3", "4", "4", "4", "1", "1", "1", "2", "2", "2",
   "3", "3", "3", "4", "4", "4"}
  )
 ),
 New Column( "D",
  Character,
  "Nominal",
  Set Property( "Value Ordering", {"1", "2", "3"} ),
  Set Property( "Design Role", DesignRole( Categorical ) ),
  Set Property( "Factor Changes", Easy ),
  Set Values(
   {"1", "2", "3", "1", "2", "3", "1", "2", "3", "1", "2", "3", "1", "2",
   "3", "1", "2", "3", "1", "2", "3", "1", "2", "3", "1", "2", "3", "1",
   "2", "3", "1", "2", "3", "1", "2", "3", "1", "2", "3", "1", "2", "3",
   "1", "2", "3", "1", "2", "3"}
  )
 ),
 New Column( "Y",
  Numeric,
  "Ordinal",
  Format( "Best", 12 ),
  Value Labels( {1 = "Low", 2 = "Med", 3 = "High"} ),
  Use Value Labels( 1 ),
  Set Values(
   [1, 1, 2, 1, 1, 2, 1, 2, 3, 2, 3, 3, 1, 1, 2, 1, 1, 2, 1, 2, 3, 2, 3, 3,
   1, 1, 2, 1, 2, 3, 2, 3, 3, 2, 3, 3, 1, 2, 3, 2, 3, 3, 2, 3, 3, 2, 3, 3]
  )
 ),
 Set Label Columns( :Pattern )
);

dt << Fit Model(
 Y( :Y ),
 Effects( :S, :U, :D</img> ),
 Personality( "Ordinal Logistic" ),
 Run(
  Likelihood Ratio Tests( 1 ),
  Profiler(
   1,
   Term Value(
    S( "1", Lock( 0 ), Show( 1 ) ),
    U( "1", Lock( 0 ), Show( 1 ) ),
    D( "1", Lock( 0 ), Show( 1 ) )
   )
  )
 )
);

Re: Adattamento del modello a fattori ordinali e risposta

Potresti provare a costruire il tuo modello utilizzando il partizionamento.Di seguito è riportato uno scirpt che crea la tabella e quindi esegue un'analisi della partizione (albero delle decisioni).

names default to here(1);
dt = New Table( "Example",
 Add Rows( 48 ),
 New Column( "d",
  Numeric,
  "Nominal",
  Format( "Best", 12 ),
  Set Values(
   [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2,
   2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3]
  )
 ),
 New Column( "u",
  Numeric,
  "Nominal",
  Format( "Best", 12 ),
  Set Values(
   [1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4,
   1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4]
  )
 ),
 New Column( "s",
  Numeric,
  "Nominal",
  Format( "Best", 12 ),
  Set Values(
   [1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4, 4, 1, 1, 1, 1, 2, 2, 2, 2,
   3, 3, 3, 3, 4, 4, 4, 4, 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4, 4]
  )
 ),
 New Column( "value",
  Character,
  "Nominal",
  Set Values(
   {"Low", "Low", "Low", "Med", "Low", "Low", "Low", "Med", "Low", "Low",
   "Med", "Med", "Low", "Med", "Med", "Med", "Low", "Low", "Med", "High",
   "Low", "Low", "Med", "High", "Low", "Med", "High", "High", "Med", "High",
   "High", "High", "Med", "Med", "High", "High", "Med", "Med", "High",
   "High", "Med", "High", "High", "High", "High", "High", "High", "High"}
  )
 )
);


dt << Partition(
 Y( :value ),
 X( :d, :u, :s ),
 Informative Missing( 1 ),
 Initial Splits(
  :d == {1},
  {:u == {4, 3}},
  {:u == {1, 2}, {:d == {2}}, {:d == {2}}}
 ),
 SendToReport(
  Dispatch( {}, "Partition Report", FrameBox, {Frame Size( 480, 74 )} )
 )
);