Kontinuierliche Variable als unabhängige Variable und KovariateHi,
Ich versuche zu verstehen, wie wir kontinuierliche Variablen in JMP als unabhängig oder kovariat definieren, um sie in der Anpassungsmodellplattform zu verwenden.
Mein derzeitiges Verständnis ist, dass die Designrolle unabhängig ist, es sei denn, man definiert sie als Kovariate zur kontinuierlichen Variablen.Und der auf dem F-Test basierende Modellsignifikanztest wird als ANOVA bezeichnet.
Wenn die kontinuierliche Variable als Kovariate definiert ist, wird der Modellsignifikanztest als ANCOVA bezeichnet.
Basierend auf dem obigen Verständnis habe ich das Modell unter Verwendung der Beispieldaten „US-Demografie“ unter Verwendung der Methode der kleinsten Quadrate für die Antwort „Mathematik der achten Klasse“ unter Verwendung von „Region“, „High-School-Absolventen“ und deren Interaktion angepasst.
„Abiturienten“ werden für mathematische Zwecke als unabhängige Variable betrachtet.
Bei der ersten Analyse wird „High School Graduates“ unverändert verwendet, ohne dass eine Designrolle (unabhängig) definiert wird.
In der zweiten Analyse werden „Hochschulabsolventen“ als Kovariate in der Designrolle definiert.
p-Wert für F-Test und Parameterschätzung, Schätzwerte und SS für Modell und Fehler sind für die erste und zweite Analyse gleich. Ich erwarte einige Unterschiede bei den Modellfehlertermen, dem p-Wert für das Modell und dem p-Wert der Parameterschätzungen.
Wenn ja, handelt es sich dabei um eine Design-Rollenoption speziell für das DOE? Wie definiere ich einen kontinuierlichen Faktor als unabhängig oder kovariat für die Verwendung im Modell der kleinsten Quadrate/Anpassung?
Danke!!
Verbraucher- und MarktforschungBetreff: Kontinuierliche Variable als unabhängige Variable und KovariateDanke Mark!
Wenn in einer ANOVA eine kontinuierliche Variable enthalten ist, haben wir die Kovarianzanalyse (ANCOVA).
Der beobachtete Unterschied zwischen dem Haltbarkeitsvorhersagemodell SS (wobei die Zeit eine Kovariate ist) und der Standard-ANOVA ist auf den verwendeten SS-Typ zurückzuführen. Hier habe ich es versäumt zu halten.
Danke schön!!Betreff: Kontinuierliche Variable als unabhängige Variable und KovariateDer Begriff Kovariate kann schwierig zu verstehen sein, da seine Interpretation davon abhängt, wie er verwendet wird (Kontext). In einer Regressionsanwendung, in der die Daten bereits vorhanden sind, sind Kovariaten oft nur eine kontinuierliche unabhängige Variable (und in ANCOVA sind es die anderen unabhängigen Variablen). wahrscheinlich kategorisch). Für DOE-Zwecke ist die Kovariate typischerweise eine unabhängige Variable, die gemessen, aber nicht gezielt manipuliert wird (oft ist es eine Variable, die man nicht kontrollieren möchte, weil es sich bei der Kovariate um Rauschen handelt). Durch die Berücksichtigung/Zuweisung der Kovariate im Modell erhöhen Sie die Genauigkeit der Erkennung der Auswirkungen des Designfaktors.
Wenn Sie beispielsweise ein Experiment durchführen und sich Gedanken über die Auswirkungen der Umgebungstemperatur machen. Sie sind nicht bereit, die Umgebungstemperatur zu kontrollieren, also nehmen Sie die Umgebungstemperatur. Messungen während jedes Versuchsdurchgangs. Wenn Sie das Modell schreiben, fügen Sie die Umgebungstemperatur hinzu. als Kovariate (Normalerweise wird die Kovariate im Modell an die erste Stelle gesetzt und sequentielle Tests (Typ 1) zur Bestimmung ihrer Signifikanz verwendet. Für den Rest der Modelleffekte werden Teiltests (Typ 3) verwendet. Dadurch werden die Auswirkungen der Umgebungstemperatur berücksichtigt (die andernfalls im Fehlerterm erfasst worden wären). Durch die Entfernung dieser Effekte aus dem Fehlerterm (reduzierter MSE) haben Sie die Präzision beim Testen der Faktoren im Experiment erhöht.
Betreff: Kontinuierliche Variable als unabhängige Variable und KovariateSie müssen nichts definieren. Wandeln Sie einfach die unabhängige Variable (Datenspalte) in die Rolle „Effekte“ um, nachdem Sie „Analysieren“ > „Modell anpassen“ ausgewählt haben. Ich gehe davon aus, dass die Datenspalte als numerischer Datentyp und kontinuierlicher Modellierungstyp definiert ist. Sie können die Typen überprüfen, indem Sie die Datenspalte auswählen und dann Spalten > Spalteninformationen auswählen.
Die Designrolle = Kovariate ist eine Spalteneigenschaft, die normalerweise automatisch erstellt wird, wenn Sie ein Experiment mit JMP entwerfen und einen Kovariatenfaktor hinzufügen. Der Begriff „Kovariatenfaktor“ bezieht sich in diesem Fall speziell auf eine Variable, die sich im Laufe der Zeit mit den Läufen ändert, deren Werte vorab festgelegt sind und deren Auswirkungen im Modell geschätzt werden sollen.
Warum sollten Sie von der Regressionsanalyse unterschiedliche Ergebnisse erwarten?
