Régression logistique ordinale pour l'analyse des facteurs clésSalut à tous,
Je dois effectuer une analyse des facteurs clés et identifier les 10 principaux facteurs de satisfaction de la clientèle. L'ensemble de données que je possède se compose de 1 variable dépendante ordinale et environ 20-30 variable indépendante (ordinale, nominale, binaire).
J'ai essayé d'analyser les données définies par Fit Y by X et Fit Model. Cependant, je ne sais pas quoi rechercher pour identifier les facteurs les plus importants.
Pour les données numériques, je suis conscient que je peux utiliser les coefficients bêta. Cependant, je ne sais pas quoi faire / où trouver des informations similaires pour ce cas.
Aidez-moi, s'il vous plaît!
Re: Régression logistique ordinale pour l'analyse des facteurs clésSarah:
Je suggère de jeter un coup d'œil à l'exemple utilisé dans la table de données cheese.jmp fournie avec votre répertoire de données d'échantillons JMP. La réflexion et le flux de travail de cet exemple pourraient être similaires à ce que vous essayez d’accomplir avec votre problème?
Assurez-vous également de regarder les deux scripts intégrés. Le script de contingence fait un bon travail en montrant les tracés en mosaïque ... et vous obtiendrez également des tracés supplémentaires pour vos prédicteurs à variable continue. Le script Fit Model utilise la personnalité Fit Model -> Ordinal Logistic pour créer et évaluer le modèle. Une fois que vous avez adapté votre modèle à vos données, nous vous conseillons d’examiner diverses statistiques et visualisations d’évaluation d’ajustement, telles que la fenêtre Résumé de l’effet, le test Modèle entier, le test Manque d’ajustement, les estimations de paramètres, les courbes ROC, la matrice de confusion le profileur de prédiction JMP Pro. En bref, il n’ya pas une chose à examiner pour décider si votre modèle vous aide à identifier vos «facteurs clés».
Enfin, comparez ce que le modèle vous dit à votre connaissance du processus, du comportement humain rationnel et des attentes ... si le modèle vole en face de la connaissance du processus, alors peut-être qu’il ya quelque chose qui ne va pas? Supposons, par exemple, que vous évaluiez la satisfaction de la clientèle avec un centre de contact téléphonique et que l’une des variables prédictives soit le «temps d’attente pour parler à un agent» et que le modèle suggère que la satisfaction augmente avec la durée croissante du temps d’attente.
Re: Régression logistique ordinale pour l'analyse des facteurs clésSalut Peter,
Merci pour la réponse. J'ai parcouru toutes les pages Web dans le lien indiqué. Cependant, il ne contient aucune information sur la façon dont je peux trouver l’importance relative.
J'utilise JMP Pro maintenant. Cependant, je ne sais pas quelles colonnes / informations à regarder pour pouvoir trouver les principaux pilotes / importance. J'ai un gros problème maintenant parce que je n'ai jamais travaillé avec des variables ordinales auparavant.
Re: Régression logistique ordinale pour l'analyse des facteurs clésLes plates-formes Fit Y by X et Fit Model peuvent fournir des informations utiles. Avez-vous consulté la documentation JMP sur la régression logistique? Il existe de nombreuses possibilités d'adaptation de modèle pour vous aider à déterminer si vous disposez d'un modèle utile pour l'analyse de votre facteur clé. Voici un lien vers la page d'arrivée dans la documentation de la régression logistique en général, avec des sous-sujets pour la régression logistique ordinale.
http://www.jmp.com/support/help/13-1/Logistic_Regression_Models.shtml#
Vous pouvez également consulter la plate-forme de partition et, si vous exécutez JMP Pro, certaines des méthodes de régression pénalisées, ainsi que d'autres méthodes de modélisation basées sur des arbres, telles que l'arbre optimisé et la forêt d'amorçage.
