Ist es in Ordnung, kategoriale Daten in gewichtete Prozentsätze umzuwandeln?Ich vergleiche die Effizienz von Backöfen durch Messung der Konsistenz beim Backen von Plätzchen (naja, nicht wirklich, ich verwende dies nur für ein Beispiel). Nachdem ich die Daten zusammengefasst habe, habe ich zwei Antworten, "Cooked Evenly" und "Cooked Unevenly".
Kann ich eine neue Spalte "% gekocht gleichmäßig" erstellen, Fit X mit Y ausführen, wobei Y =% gleichmäßig gekocht, X = Ofen und Freq = Stapel von Keksen ist? Ich denke, ich gebe den Prozentsätzen Gewicht (von der Anzahl der Chargen). Durch das Ausführen von Daten auf diese Weise kann ich Mittel- / Anova- und Studententests ausführen, um den Bericht des Briefs miteinander zu verbinden. So können Sie problemlos mehrere Öfen gleichzeitig vergleichen.
Normalerweise staple ich "Gleichmäßig gekocht" und "Ungleichmäßig gekocht" und führe eine Kontingenzanalyse (Proportionen) auf zwei Öfen gleichzeitig aus, um herauszufinden, welche sich deutlich voneinander unterscheiden. Es fällt mir oft schwer, eine schöne Statistikübersicht zu erhalten, wenn ich die Kontingenzanalyse für mehrere Öfen gleichzeitig verwende.
Nach dem Ausführen von Daten in beiden Szenarien bekomme ich dieselbe Übersicht, welche Öfen andere Öfen deutlich übertreffen, aber ich bekomme die Informationen in einem Bruchteil der Zeit, indem ich einen Prozentsatz "Gewicht" gebe.
Ist dies ein akzeptabler Ansatz für die Analyse kategorialer Daten? Jede Kritik ist willkommen! Vielen Dank!
Re: Ist es in Ordnung, kategoriale Daten in gewichtete Prozentsätze umzuwandeln?Der Verbindungsbriefbericht ist nicht für eine binäre Antwort geeignet. Diese Form von Mehrfachvergleichen ist für eine Einweg-ANOVA mit kontinuierlicher Reaktion gedacht.
Sie haben die Proportionen manuell erstellt, diese Antwort sollte jedoch nicht den fortlaufenden Modellierungstyp verwenden. Regression und ANOVA gehen davon aus, dass die tatsächliche kontinuierliche Antwort unbegrenzt ist, Ihr Anteil jedoch begrenzt ist [0,1]. Während der Anteil in diesem Bereich kontinuierlich variieren kann, ist dies jedoch keine echte kontinuierliche Reaktion.
Ihre Antwort ist binär. Sie sollten daher eine logistische Regression oder einen GLM mit einer Binomialverteilung und einer Logit-Link-Funktion verwenden.
Re: Ist es in Ordnung, kategoriale Daten in gewichtete Prozentsätze umzuwandeln?Der Briefe-Bericht ist meines Wissens nicht verfügbar. Im Allgemeinen sind die Kontrastmöglichkeiten in der Logistikplattform begrenzt.
Wenn Sie nach den Odds Ratios fragen, erhalten Sie einen formalen Test für alle Kategorienkombinationen.
Re: Ist es in Ordnung, kategoriale Daten in gewichtete Prozentsätze umzuwandeln?Ron - stell dir die verschiedenen Reihen als verschiedene "Cookie-Typen" vor. Entschuldigung für die Verwirrung.
Re: Ist es in Ordnung, kategoriale Daten in gewichtete Prozentsätze umzuwandeln?Danke für die Feedforward.
Wenn ich das Fit-Modell starte, gehe ich davon aus, dass ich die Antworten immer noch staple? Damit gilt Y = Label (gleichmäßig gegart / ungleichmäßig gegart), X = Ofen, Freq = Daten (Anzahl der gleichmäßig gegarten oder ungleichmäßig gegarten Chargen).
Was mir an der manuellen Umwandlung von Daten gefällt, ist, dass in der Zusammenfassung ein Bericht über Verbindungsbriefe angezeigt wird - wo finde ich diese Informationen durch logistische Regression? Ich bin mit diesem Bericht nicht sehr vertraut.
Re: Ist es in Ordnung, kategoriale Daten in gewichtete Prozentsätze umzuwandeln?Ich stimme Mark zu, logistische Regression ist der Weg zu gehen.
Darüber hinaus gibt es eine zweifache repetitive Struktur der Daten. Öfen (A, B, C ...) wiederholen sich und jede Wiederholung hat mehr Wiederholungen in Bezug auf Chargen. Wenn alle Angaben für den gleichen Buchstabenofen identisch sind, ist die Zusammenfassung der Daten irreführend. Wenn sie nicht identisch sind, muss dies kontrolliert werden. dasselbe mit den Chargen.
Die Art und Weise, in der die Daten dargestellt werden, lässt vermuten, dass eine gewisse Abhängigkeit zwischen den Zeilen in der Tabelle besteht.
ron
Re: Ist es in Ordnung, kategoriale Daten in gewichtete Prozentsätze umzuwandeln?Sie haben eine Antwort mit zwei Ergebnissen. Warum nicht logistische Regression verwenden? Diese Methode basiert auf den Proportionen / Wahrscheinlichkeiten, die Sie beschreiben, Sie müssen die Daten jedoch nicht manuell transformieren. Stellen Sie sicher, dass die Antwortspalte den nominalen Modellierungstyp verwendet, wählen Sie dann Analysieren> Modell anpassen und geben Sie diese Spalte in die Y-Rolle ein. Sie wechselt automatisch zur nominalen logistischen Regression. Erstellen Sie dann den linearen Prädiktor mit den zu testenden Effekten.
Die Analyseplattform bietet alle Funktionen, die Sie benötigen, einschließlich Prediction Profiler.
Um klar zu sein, müssen Sie die Ergebnisse nicht zusammenfassen und die Reaktion in Proportionen umwandeln. Logistische Regression kümmert sich um alles.
