interpretazione delle stime dei parametri per la variabile catoricaHo un modello con solo pochi effetti attivi. Ovvero i tre effetti principali nella tabella. epsilon_r^n e Rt^n sono variabili continue, ma E^n è una variabile categoriale che può avere i valori -1 e +1.
Dal profiler di previsione, è chiaro che in tutti e tre i casi, un valore più alto per la variabile indipendente porta ad un N25 previsto più basso (che è previsto anche da un punto di vista fisico).
Allora perché i coefficienti stimati per epsilon_r^n e Rt^n sono negativi, ma il coefficiente per E^n è positivo? Come devo interpretare l'espressione "[-1 -1]" nella tabella dei parametri?
Il salvataggio del modello nella tabella dati consente l'accesso alla seguente formula del modello:
Quindi il valore più alto di E^n (cioè 1) porta a un valore più basso nella formula (cioè 0). Non sono sicuro di come ottenere queste informazioni dalla tabella delle stime dei parametri. Qualcuno potrebbe spiegarmelo, per favore?
Esplorazione e visualizzazione dei datiPersonalizzazione di massaOggetto: interpretazione delle stime dei parametri per la variabile catoricaHo dimenticato di menzionare di tenere d'occhio la colonna Std Error per le stime dei parametri. Se la grandezza di questo valore è maggiore della grandezza della stima del parametro, allora è un'indicazione che la stima del parametro è probabilmente vicina allo zero e non contribuisce effettivamente al modello in modo significativo.Oggetto: interpretazione delle stime dei parametri per la variabile catoricaCIAO @matthias_bruchh ,
Spero possa essere d'aiuto. A volte può essere opprimente cercare di determinare cosa si dovrebbe veramente considerare quando si sviluppa un modello empirico.
Poiché i dati provengono tutti da DOE, se segui l'approccio di autovalidazione, puoi farlo in molte piattaforme diverse per vedere quanto sono stabili i fattori principali. Ad esempio, puoi fare i minimi quadrati standard, GenReg, Gen Lin Model, PLS, ecc. Se selezioni GenReg, tieni presente che quando scegli i metodi di stima, le prime cinque opzioni sono davvero le uniche valide per i DOE. Le altre opzioni (Lasso, EN, ecc.) Sono davvero più per l'apprendimento automatico senza supervisione, che non penso sia quello che stai cercando. È inoltre possibile eseguire la simulazione e il bootstrap dei contributi della colonna SS (o Porzione) durante l'esecuzione di un modello di albero potenziato o foresta di bootstrap. Ancora una volta, se l'albero decisionale decide di dividersi più spesso sul fattore nullo, allora conosci i fattori sottostanti che non hanno significato nel modello poiché il fattore nullo non è solo completamente casuale e anche ortogonale ai tuoi dati.
Buona fortuna con l'analisi!
DS
Oggetto: interpretazione delle stime dei parametri per la variabile catoricaGrazie DS,
Darò un'occhiata a questo. E sì, i dati provengono da un DOI. (In realtà da 3 DOI. Il progetto è stato strutturato in tre fasi successive. Ho creato tre DOI indipendenti per questi, perché c'erano molti vincoli e (all'epoca) non era possibile implementarli con la funzione "augment design" di JMP.)Oggetto: interpretazione delle stime dei parametri per la variabile catoricaCIAO @matthias_bruchh ,
Sono contento che il passaggio all'ordinale abbia funzionato e aiutato.
Per quanto riguarda il modello teorico, se si dispone di una funzione, è possibile utilizzare la funzione "formula" nelle proprietà della colonna per "programmare" una colonna in base ai predittori. Ma sembra che tu non abbia un modello teorico.
Per eseguire il bootstrap delle stime, fai clic con il pulsante destro del mouse sulla colonna delle stime nel report JMP, quindi seleziona bootstrap. Se è veloce, inserisci forse 5000, ma se è lento, lascialo a 2500. Assicurati di selezionare la casella " pesi frazionari. Rieseguirà l'adattamento più volte e quindi fornirà una distribuzione di valori per ciascun coefficiente dei predittori (basta eseguire lo script "distribuzione" nella tabella dei dati di output. Quindi, con la distribuzione e le statistiche visualizzate, puoi fare clic con il pulsante destro del mouse sulle statistiche di riepilogo e selezionare "trasforma in tabella dati combinati". Assicurati di personalizzare anche le statistiche di riepilogo per mostrare la proporzione diversa da zero.
La tabella dei dati combinati conterrà la media e la proporzione diversa da zero per le tue stime. Lì puoi vedere qual è la media (valore tipico) e quanto spesso (in percentuale) tale stima è diversa da zero: se quel numero è piccolo, la stima è spesso zero. Se è grande, la maggior parte delle volte è diverso da zero. Questo è un buon modo per determinare quali termini e termini misti sono necessari o meno nel modello.
Puoi anche scegliere di "simulare", ma ciò richiede un'altra colonna formula nella tabella dati da scambiare con una colonna formula che hai usato nel tuo modello. Questo è un po' più complicato -- vedete Autovalidazione da Gotwalt e Ramsey. C'è un PPT e un video da guardare che lo spiega. È leggermente diverso e darà risultati leggermente diversi all'approccio bootstrap, ma sostanzialmente fa la stessa cosa. Uso sempre questi approcci per eliminare i fattori nel modello.
Una bella differenza dell'approccio di autovalidazione è che genera un fattore nullo che è completamente casuale e ortogonale ai tuoi dati. Ogni volta che si presenta più spesso nelle simulazioni rispetto a qualsiasi altro fattore, puoi sicuramente eliminare quelli che si presentano meno frequentemente. Fai attenzione qui per assicurarti di imporre la gerarchia e le regole di ereditarietà per i fattori e le loro combinazioni. In effetti, se non hai un modello teorico e nessun motivo per includere termini misti, li lascerei del tutto fuori, è solo "voodoo" come piace dire a uno scienziato di dati che conosco.
A proposito, i dati che stai analizzando provengono da un DOE o solo da regolari studi di laboratorio?
Buona fortuna!,
DS
Oggetto: interpretazione delle stime dei parametri per la variabile catoricaCaro DS,
Cambiare E^n da nominale a ordinale ha davvero funzionato. Il valore assoluto del parametro è lo stesso di prima, ma il segno è cambiato in negativo, il che è molto più intuitivo. Molte grazie!
In effetti ho JMP PRO (ma l'ho ricevuto solo di recente).
Non ho una formula empirica che potrei usare in questo caso, ma sarei interessato a sapere come si fa. Se potessi indicarmi un tutorial o giù di lì te ne sarei grato. Lo stesso vale per il bootstrap di cui parli.
Saluti,
Mattia
Oggetto: interpretazione delle stime dei parametri per la variabile catoricaCIAO @matthias_bruchh ,
Prima di tutto, hai JMP Pro? In tal caso, consiglio vivamente di eseguire un calcolo bootstrap sulle stime dei parametri per comprendere meglio quali parametri sono effettivamente 0 (o vicini a 0) e quali sono realmente diversi da 0, nonché i loro valori tipici (media di migliaia di bootstrap) .
Detto questo, poiché hai impostato E^na valore nominale, quando JMP riporta le stime dei parametri, riporta i possibili valori, in questo caso [-1 -1], ovvero da -1 a 1. Per capire meglio come il predittore E^n si adatta al tuo modello, potresti volerlo cambiare in ordinale.
Il motivo per cui E^n ottiene un coefficiente positivo (o 0) ha a che fare con la funzione che ottieni per la tua previsione. La tua formula è fondamentalmente la seguente:
y = exp( a + b*x_1 + c*x_2 + d*x_3 + f )
Per ottenere una risposta y maggiore, l'argomento dell'esponente dovrebbe essere il più grande possibile, quindi se i coefficienti per x_1 e x_2 sono negativi e "a" e "f" sono positivi, l'unico modo per ottenere un valore maggiore per argomento è rendere il coefficiente per x_3 (cioè E^n) positivo.
Hai detto che il comportamento di N25 ha un senso fisico quando si osserva come risponde ai predittori. Se stai osservando un processo fisico (o chimico), hai un'equazione teorica con cui iniziare? In tal caso, dovresti usarlo come formula predittiva e non fare in modo che il salto ne generi uno empirico per te. Ad esempio, se stai misurando il tempo impiegato da una palla per cadere x metri, esiste una formula fisica che lo prevede, vale a dire: y = y_0 + v_0*t + 1/2*g*t^2, la formula del moto in un campo gravitazionale. Quando analizzo tali dati in JMP, aggiusterei la formula al modello teorico e vedrei se ci sono deviazioni dalla teoria.
Ma ancora una volta, penso che se cambi E^n in ordinale, potrebbe avere più senso per te. Inoltre, se hai davvero bisogno che JMP generi una formula empirica, ti consigliamo di eseguire il bootstrap o simulare le stime per vedere quali sono realmente 0 o vicine allo zero per assicurarti di non perdere nulla nel tuo modello.
Spero che questo ti aiuti.
Buona fortuna!,
DS
