如何从权变分析中选择模型我的领域是消费者研究。我有7个解释变量和1个响应变量。所有都是分类的。
我的目标是将响应变量替换为一个或多个解释变量。
我的方法：
- 对带有响应的每个解释变量进行权变分析。
- 从权变分析中，选择具有最高R平方（U）的解释变量。由于级别数不同，因此我认为似然比或Pearson卡方值不会对模型选择有所帮助。
- 在“关联度量”表中，使用Lambda和“不确定性”值。选择具有最高值的说明变量。
以下是描述权变分析的变量和结果的摘要。
变量号 | ＃级 | Rsq（U） | LR-chi平方 | 培生芝士 | Lambda Asym（C | R，R | C） | Lambda Sym。 | 不确定系数（C | R，R | C） | 不确定系数（Sym） |
一种 | 4 | .08 | 248 | 268 | .08，.13 | .1 | .08，.08 | .08 |
乙 | 3 | .02 | 76 | 75 | .06，.02 | .04 | .02，.03 | .03 |
C | 10 | .04 | 136 | 153 | .05，.04 | .045 | .04，.03 | .034 |
d | 10 | .31 | 961 | 1207 | .33，.13 | .22 | .3，.2 | .245 |
Ë | 18 | .34 | 1056 | 1498 | .34，.1 | .21 | .34，.19 | .24 |
F | 40 | .345 | 1084 | 1590 | .34，.05 | .17 | .35，.15 | .21 |
G | 6 | .32 | 1000 | 1286 | .35，.28 | .31 | .32，.26 | .29 |
响应变量有6个级别。
变量D，E，F，G中的级别按强度递增排序。假定低边界和高边界是相似的。
问题：
- 概述的方法是否有效？
- 我可以将D，E，F，G（我倾向于选择G）中的一个变量与A，B，C中的一个或多个变量相结合，以获得更好的模型（即，更好地替代响应）吗？如果是这样，那么该怎么做？可以使用哪些指标来选择最佳模型？
分析工具其他回复：如何从权变分析中选择模型双向列联表分析本身是有效的，但不足以满足您的目的。 使用结合了所有变量的线性预测变量进行逻辑回归将更好地满足您的需求。
开始这里在JMP在线文档中了解什么是逻辑回归，如何设置数据，如何启动分析平台以及可用于回答问题的结果。
回复：如何从权变分析中选择模型谢谢马克！
我过去曾经使用Logistic回归，但仅用于二进制响应（例如，稳定/不稳定）。 这个实例将是一个很好的学习机会。 会正确的！
