38072_it-IT

liliconcom

Regressione logistica ordinaria per l'analisi dei driver chiave

Ciao a tutti,

 

Ho bisogno di fare un'analisi chiave del conducente e identificare i primi 10 driver per la soddisfazione del cliente. Il set di dati che ho è costituito da 1 variabile dipendente ordinale e da circa 20-30 variabili indipendenti (ordinale, nominale, binaria). 

 

Ho provato ad analizzare il set di dati di Fit Y con X e Fit Model. Tuttavia, non so cosa cercare per identificare i driver più importanti.

 

Per i dati numerici, sono consapevole che posso usare i coefficienti beta. Tuttavia, non so cosa fare / dove trovare informazioni simili per questo caso.

 

Mi aiuti per favore!

Ri: Regressione logistica ordinaria per l'analisi dei driver chiave

Sarah:

 

Suggerisco di dare un'occhiata all'esempio funzionante nella tabella di dati cheese.jmp fornita con la directory di dati di esempio JMP. Il pensiero e il flusso di lavoro per quell'esempio potrebbero essere simili a quello che stai cercando di ottenere con il tuo problema?

 

Assicurati di dare un'occhiata anche ai due script incorporati. Lo script della Contingenza fa un buon lavoro nel mostrare i grafici a mosaico ... e otterrai anche ulteriori trame per i tuoi predittori variabili continue. Lo script Fit Model utilizza Fit Model -> Ordinal Logistic per costruire e valutare il modello. Una volta adattato il modello ai dati, suggerisco di dare un'occhiata alle varie statistiche e visualizzazioni di valutazione del modello, come la finestra Riepilogo effetti, il test Intero modello, il test Lack of Fit, le stime dei parametri, le curve ROC, la matrice di confusione e il profiler di previsione JMP Pro. In breve, non c'è UNA cosa da considerare per decidere se il tuo modello fa un lavoro soddisfacente per aiutarti a identificare i tuoi "fattori chiave".

 

E, ultimo ma non meno importante ... confronta ciò che il modello ti sta dicendo per la tua conoscenza del processo, il comportamento umano razionale e le aspettative ... se il modello se vola di fronte alla conoscenza del processo allora forse c'è qualcosa che non va? Supponiamo ad esempio che stiate valutando la soddisfazione del cliente con un contact center telefonico del cliente e che una delle variabili predittive sia "tempo di attesa per parlare con un agente" e il modello suggerisce che la soddisfazione aumenta con l'aumentare del tempo di attesa ... beh, qualcosa è sospetto.

Ri: Regressione logistica ordinaria per l'analisi dei driver chiave

Ciao Peter,

 

Grazie per la risposta. Ho controllato tutte le pagine web nel link indicato. Tuttavia, non contiene alcuna informazione su come posso trovare l'importanza relativa.

 

Sto usando JMP Pro ora. Tuttavia, non so quali colonne / informazioni guardare in modo da poter trovare i migliori driver / importanza. Sto avendo un grosso problema ora perché non ho mai lavorato con le variabili ordinali in precedenza.

Ri: Regressione logistica ordinaria per l'analisi dei driver chiave

Entrambe le piattaforme Fit Y di X e Fit Model possono fornire spunti utili. Hai esaminato la documentazione di JMP sulla regressione logistica? Ci sono molte uscite di adattamento del modello da esaminare per aiutarti a decidere se hai un modello utile per l'analisi del tuo driver chiave. Ecco un link alla pagina di destinazione nella documentazione per la regressione logistica in generale, con argomenti secondari per la regressione logistica ordinale.

 

http://www.jmp.com/support/help/13-1/Logistic_Regression_Models.shtml#

 

Si consiglia inoltre di dare un'occhiata alla piattaforma di partizione e, se si sta eseguendo JMP Pro, alcuni dei metodi di regressione penalizzati, nonché gli altri metodi di modellazione ad albero come la foresta potenziata e la foresta di bootstrap.