Ordinale Logistische Regression für die Analyse der SchlüsselfahrerHallo zusammen,
Ich muss eine Schlüsselanalyse durchführen und die zehn wichtigsten Treiber für die Kundenzufriedenheit ermitteln. Der Datensatz, den ich habe, besteht aus 1 ordinalen abhängigen Variablen und ca. 20-30 unabhängigen Variablen (ordinal, nominal, binär).
Ich habe versucht, die Daten von Fit Y nach X und Fit Model zu analysieren. Ich weiß jedoch nicht, worauf ich achten muss, um die wichtigsten Treiber zu identifizieren.
Für numerische Daten ist mir bekannt, dass ich die Beta-Koeffizienten verwenden kann. Ich weiß jedoch nicht, was ich tun soll oder wo ich ähnliche Informationen für diesen Fall finden kann.
Bitte hilf mir!
Re: Ordinal Logistic Regression für die Key-Driver-AnalyseSarah:
Ich empfehle einen Blick auf das bearbeitete Beispiel in der Daten-Tabelle "Cheese.jmp", die mit Ihrem JMP-Beispieldatenverzeichnis geliefert wurde. Das Denken und der Arbeitsablauf für dieses Beispiel ähneln möglicherweise dem, was Sie mit Ihrem Problem erreichen wollen.
Schauen Sie sich auch die beiden eingebetteten Skripte an. Mit dem Contingency-Skript können Sie die Mosaikdiagramme gut darstellen. Außerdem erhalten Sie zusätzliche Diagramme für Ihre fortlaufenden variablen Prädiktoren. Das Fit Model-Skript verwendet die Persönlichkeit Fit Model -> Ordinal Logistic, um das Modell zu erstellen und auszuwerten. Wenn Sie Ihr Modell an Ihre Daten angepasst haben, schlage ich vor, verschiedene Bewertungsstatistiken und -visualisierungen für die Modellanpassung zu überprüfen, z. B. das Fenster mit der Zusammenfassung der Auswirkungen, den Test für das ganze Modell, den Test für fehlende Passgenauigkeit, Parameterschätzungen, ROC-Kurven, Verwirrungsmatrix und der JMP Pro-Vorhersageprofiler. Kurz gesagt, es gibt keine EINSTE Sache, um zu entscheiden, ob Ihr Modell zufriedenstellende Arbeit bei der Identifizierung Ihrer "Schlüsseltreiber" leistet.
Und zu guter Letzt ... Vergleichen Sie, was das Modell Ihnen mit Ihrem Wissen über den Prozess, rationales menschliches Verhalten und Erwartungen erzählt ... Wenn das Modell, wenn Sie angesichts des Prozesswissens fliegen, möglicherweise etwas nicht stimmt? Angenommen, Sie bewerten die Kundenzufriedenheit mit einem telefonischen Kundenkontaktcenter. Eine der Prädiktorvariablen lautet "Wartezeit, um mit einem Agenten zu sprechen", und das Modell schlägt vor, dass die Zufriedenheit mit zunehmender Wartezeit zunimmt. Nun, etwas ist faul.
Re: Ordinal Logistic Regression für die Key-Driver-AnalyseHallo Peter,
Danke für die Antwort. Ich habe alle Webseiten im angegebenen Link durchgesehen. Es enthält jedoch keine Informationen darüber, wie ich die relative Bedeutung finden kann.
Ich verwende jetzt JMP Pro. Ich weiß jedoch nicht, welche Spalten / Informationen betrachtet werden müssen, damit ich die Top-Treiber / Wichtigkeit finden kann. Ich habe jetzt ein großes Problem, weil ich noch nie mit ordinalen Variablen gearbeitet habe.
Re: Ordinal Logistic Regression für die Key-Driver-AnalyseSowohl die Plattformen Fit Y by X als auch Fit Model können nützliche Erkenntnisse liefern. Haben Sie die JMP-Dokumentation zur logistischen Regression durchgesehen? Es gibt viele Modellausstattungsausschnitte, die Sie überprüfen können, um zu entscheiden, ob Sie über ein nützliches Modell für Ihre Schlüsseltreiberanalyse verfügen. Hier ist ein Link zur Landing Page in der Dokumentation zur logistischen Regression im Allgemeinen mit Unterthemen zur ordinalen logistischen Regression.
http://www.jmp.com/support/help/13-1/Logistic_Regression_Models.shtml#
Vielleicht möchten Sie auch einen Blick auf die Partitionsplattform werfen und wenn Sie JMP Pro ausführen, einige der bestraften Regressionsmethoden sowie die anderen baumbasierten Modellierungsmethoden wie Boosted Tree und Bootstrap-Gesamtstruktur.
