Comment faire une sélection de modèle à partir d'une analyse de contingenceMon domaine est la recherche sur les consommateurs.J'ai 7 variables explicatives et 1 variable de réponse.Tous sont catégoriques.
Mon objectif est de remplacer la variable de réponse par une ou une combinaison des variables explicatives.
Mon approche:
- Effectuer des analyses de contingence de chacune des variables explicatives avec la réponse.
- Dans l'analyse de contingence, sélectionnez la variable explicative avec le R-carré (U) le plus élevé.Étant donné que le nombre de niveaux est différent, je ne pense pas que le rapport de vraisemblance ou les valeurs du chi carré de Pearson seraient utiles dans la sélection du modèle.
- Dans le tableau des mesures d'association, utilisez les valeurs Lambda et d'incertitude.Choisissez la variable explicative avec les valeurs les plus élevées.
Vous trouverez ci-dessous un résumé décrivant les variables et les résultats de l'analyse de contingence.
Variable # | # les niveaux | Rsq (U) | LR-chi carré | Pearson chi sq | Asym Lambda (C | R, R | C) | Lambda Sym. | Coef d'incertitude (C | R, R | C) | Coef d'incertitude (Sym) |
UNE | 4 | .08 | 248 | 268 | .08, .13 | .1 | .08, .08 | .08 |
B | 3 | 0,02 | 76 | 75 | .06, .02 | 0,04 | 0,02, 0,03 | 0,03 |
C | dix | 0,04 | 136 | 153 | .05, .04 | 0,045 | .04, .03 | 0,034 |
ré | dix | .31 | 961 | 1207 | .33, .13 | .22 | .3, .2 | .245 |
E | 18 | 0,34 | 1056 | 1498 | .34, .1 | .21 | .34, .19 | .24 |
F | 40 | 0,345 | 1084 | 1590 | .34, .05 | .17 | .35, .15 | .21 |
g | 6 | 0,32 | 1000 | 1286 | .35, .28 | .31 | .32, .26 | .29 |
La variable de réponse a 6 niveaux.
Les niveaux des variables, D, E, F, G sont classés par intensité croissante.On suppose que les limites basse et haute sont similaires.
Des questions:
- L'approche décrite est-elle valide?
- Puis-je combiner l'une des variables de D, E, F, G (je suis enclin à sélectionner G) avec une ou plusieurs de A, B, C pour obtenir un meilleur modèle (c'est-à-dire un meilleur remplacement de la réponse)?Si tel est le cas, comment pourrait-on faire cela et quelles mesures pourraient être utilisées pour sélectionner le meilleur modèle?
AnalytiqueAutreRe: Comment faire la sélection de modèle à partir d'une analyse de contingenceL'analyse de table de contingence bidirectionnelle est valide en soi, mais elle n'est pas suffisante pour votre objectif. La régression logistique utilisant un prédicteur linéaire qui combine toutes les variables répondra mieux à votre besoin.
Début ici dans la documentation en ligne JMP pour savoir ce qu'est la régression logistique, comment configurer vos données, comment lancer la plateforme d'analyse et les résultats disponibles pour répondre à vos questions.
Re: Comment faire la sélection de modèle à partir d'une analyse de contingenceMerci, Mark!
J'ai utilisé la régression logistique dans le passé, mais uniquement avec des réponses binaires (par exemple, Stable / Unstable). Cette instance serait une excellente opportunité d'apprentissage. J'y arriverai!
