JMP序数回归输出<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />大家好
我正在尝试使用JMP 10来拟合模型，结果使我感到困惑，我想也许你可以提供帮助。
我有一个序数因变量，有3个类别。我感兴趣的主要自变量是离散的，不少于5类！除了这个IV之外，我还有其他几个IV要检查，有些是离散的，有些是连续的。
我使用Fit模型模块运行模型。首先，我只测试了感兴趣的主要IV，并且发生了一些奇怪的事情。JMP创建了虚拟变量，将最后一个类别保留为控件，很好。该模型不显着，P = 0.1134（整体模型试验），然而，一个虚拟变量实际上是显着的（P = 0.036）。广义R square为0.01，熵R square为0.009，训练误分类率为35％（因此任何测试集都会更差）。每个迹象都表明结果是一周，但是如何解释整个模型是不重要的，而一个IV（在这种情况下是虚拟水平），是重要的？没有相关性，因为所有IV都是相同假人的水平！
然后我尝试添加几个连续的IV。两者都非常显着（P = 0.0015，P = 0.0126）。然而，广义R平方仅为5％左右。优势比为1.16和0.9。当我改变了滚动播放，并通过我的DV创建了这些IV组的几个盒子图时，没有专家说没有一个有趣的区别。我的样本量是411，可能是大样本量导致低P值，还是I型错误？当我感觉到它们没有意义时，我怎么能解释非常重要的结果呢？
谢谢 ！
Re：JMP Ordinal回归输出什么是 ” 奇怪的 “关于你对第一款车型的初步印象？
你的第一个预测者是名义上还是序数？
整个模型和个体效应测试与单个参数估计的测试不同。可能存在与一个级别相关联的重要参数（即，估计不同于0），而术语整体不重要（即，具有和不具有该术语的模型之间的差异不显着）。因此，具有至少5个级别的预测器可能包括产生重要估计的一个级别，而总体上该术语不重要。通过使用一个数据样本进行如此多的测试，您可能会对参数估计的重要测试产生类型I错误。
您的响应可能会受到超过单个名义预测器的影响，因此使用单个预测器的初始拟合可能并不重要。样本R平方0.05对于序数响应并不罕见。各个级别的频率是否大不相同？是否存在严重缺乏的适应性？
如果你的意思是' 改变了滚动游戏 '你颠倒了相同变量的X和Y角色，然后它们之间的关联仍然与角色无关，尽管数值结果会发生变化，因为假设误差仅在Y角色中。
如果你的意思是' 没有专家说没有一个有趣的区别 “效果不明显，我认为这与估计所传达的印象一致。通过足够的数据样本，您可以找到小效应的重要参数估计值。与空值1（无关联）相比，优势比不大，但是 p -values使我们判断它们是重要的（接受的I类错误率为0.05）。
是否有可能这种响应的影响尚未被任何先前的模型解释过？
