범주 형 데이터를 가중치로 변환해도 괜찮습니까?나는 쿠키 베이킹의 일관성을 측정함으로써 오븐의 효율을 비교하고있다. (실제로, 나는 이것을 예제로 사용하고있다.) 데이터를 요약 한 후, "Cooked Evenly"와 "Cooked Unevenly"의 두 가지 응답이 있습니다.
"% Cooked Evenly"라는 새 열을 만들 수 있고, Y = Y로 균등하게 조리 한 요리, X = 오븐 및 Freq = 쿠키의 일괄 처리를 Y로 맞추기를 실행할 수 있습니까? 이렇게하면, 나는 (일괄 처리 수에서) 그 비율로 체중을주고 있다고 생각합니다. 이 방법으로 데이터를 실행하면 편지의 보고서 연결을 위해 평균 / 평균 및 학생 t 테스트를 실행할 수 있으므로 여러 오븐을 동시에 쉽게 비교할 수 있습니다.
일반적으로, 나는 "고르게 조리 된 것"과 "불규칙하게 조리 된 것"을 쌓아 두 번에 두 개의 오븐에서 우발적 분석 (비율 관찰)을 실행하여 서로 크게 다른 것을 찾습니다. 동시에 여러 오븐에서 우발 분석을 사용하면 좋은 통계 개요를 얻는 것이 어렵다는 것을 종종 알게됩니다.
두 시나리오 모두에서 데이터를 실행 한 후에 어떤 오븐이 다른 오븐보다 월등히 뛰어나다는 동일한 개요를 얻지 만 "중량"을 백분율로 표시하여 정보를 얻습니다.
이것은 범주 적 데이터 분석에 접근하기위한 수용 가능한 방법입니까? 모든 비판을 환영합니다! 감사!
Re : 카테고리 데이터를 가중 백분율로 변환해도 괜찮습니까?연결 문자 보고서는 이진 응답에 적합하지 않습니다. 이 다중 비교 형식은 연속 응답이있는 일원 분산 분석을위한 것입니다.
수동으로 비율을 만들었지 만이 응답은 연속 모델링 유형을 사용해서는 안됩니다. 회귀 분석과 ANOVA는 진정한 연속 응답은 무한하지만 사용자의 비율은 [0,1]로 제한되어 있다고 가정합니다. 비율이이 범위에서 지속적으로 변할 수는 있지만 진정한 연속 응답은 아닙니다.
귀하의 답변은 바이너리이므로 회귀 분석 또는 이항 분포 및 로짓 링크 기능이있는 GLM을 사용해야합니다.
Re : 카테고리 데이터를 가중 백분율로 변환해도 괜찮습니까?편지 보고서는 내가 아는 한 사용할 수 없다. 일반적으로 대조 옵션은 물류 플랫폼에 제한되어 있습니다.
확률 비율을 묻는다면 모든 범주 조합에 대한 공식적인 테스트를 받게됩니다.
Re : 카테고리 데이터를 가중 백분율로 변환해도 괜찮습니까?Ron - 다른 행을 다른 "쿠키 유형"이라고 생각하십시오. 혼란을 드려 죄송합니다.
Re : 카테고리 데이터를 가중 백분율로 변환해도 괜찮습니까?피드 포워드에 감사드립니다.
필자가 적합 모델을 실행할 때 여전히 응답을 스택한다고 가정합니다. 즉 Y = 라벨 (고르지 않게 조리 됨 / 고르지 않게 조리 됨), X = 오븐, Freq = 데이터 (균등하게 조리되거나 고르지 않게 조리 된 일괄 처리 수).
내가 수동으로 데이터를 변환하는 것과 같은 점은 연결 요약 보고서에 연결 문자 보고서가 표시된다는 것입니다.이 정보는 어디에서 로지스틱 회귀 분석에서 찾을 수 있습니까? 나는이 보고서에 익숙하지 않다.
Re : 카테고리 데이터를 가중 백분율로 변환해도 괜찮습니까?나는 Mark와 동의한다, 로지스틱 회귀는 갈 길이다.
또한 데이터에는 두 가지 반복 구조가 있습니다. 오븐 (A, B, C ...)은 반복적이며 각 반복에는 배치 측면에서 더 많은 반복이 있습니다. 모든 동일한 오븐 표시가 데이터 요약과 동일하다면 오도 된 것입니다. 그것들이 동일하지 않으면 그것을 통제해야한다. 일괄 처리와 같은 일.
데이터가 표시되는 방식에 따라 테이블의 행간에 몇 가지 종속성이 있다고 생각합니다.
론
Re : 카테고리 데이터를 가중 백분율로 변환해도 괜찮습니까?두 가지 결과를 가진 한 가지 응답이 있습니다. 왜 로지스틱 회귀를 사용하지 않습니까? 이 방법은 설명하는대로 비율 / 확률을 기반으로하지만 데이터를 수동으로 변환 할 필요가 없습니다. 응답 컬럼이 공칭 모델링 유형을 사용하는지 확인한 다음 분석> 모델에 맞춤을 선택하고이 열을 Y 역할에 입력하십시오. 자동으로 명목상의 물류 회귀로 전환됩니다. 그런 다음 테스트 할 효과가있는 선형 예측기를 작성하십시오.
분석 플랫폼은 예측 프로파일 러를 포함하여 필요한 모든 기능을 제공합니다.
따라서 명확하게 말하면 결과를 요약하고 응답을 비율로 변환 할 필요가 없습니다. 로지스틱 회귀는 모든 것을 처리해 줄 것입니다.
