不測の事態の分析からモデルを選択する方法私のドメインは消費者調査です。7つの説明変数と1つの応答変数があります。すべてがカテゴリカルです。
私の目的は、応答変数を説明変数の1つまたは組み合わせに置き換えることです。
私のアプローチ：
- 応答を使用して、各説明変数の偶発性分析を実行します。
- 分割表分析から、R二乗（U）が最も高い説明変数を選択します。レベルの数が異なるため、モデルの選択に尤度比またはピアソンのカイ2乗値が役立つとは思いません。
- Measures of Associationテーブルから、Lambda値とUncertainty値を使用します。値が最も高い説明変数を選択します。
以下は、不測の事態の分析の変数と結果を説明する要約です。
変数＃ | ＃レベル | Rsq（U） | LR-chi sq | ピアソンのカイ二 | ラムダアシム（C | R、R | C） | ラムダシン。 | 不確実性係数（C | R、R | C） | 不確実性係数（Sym） |
A | 4 | .08 | 248 | 268 | .08、.13 | .1 | .08、.08 | .08 |
B | 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 |
E | 18 | .34 | 1056 | 1498 | .34、.1 | .21 | .34、.19 | .24 |
F | 40 | .345 | 1084 | 1590年 | .34、.05 | .17 | .35、.15 | .21 |
G | 6 | .32 | 1000 | 1286 | .35、.28 | .31 | .32、.26 | .29 |
応答変数には6つのレベルがあります。
変数D、E、F、Gのレベルは、強度の昇順で並べられています。下限と上限は類似していると想定されます。
質問：
- 概説したアプローチは有効ですか？
- D、E、F、Gの変数の1つ（Gを選択する傾向があります）をA、B、Cの1つ以上の変数と組み合わせて、より良いモデル（つまり、応答のより良い置換）を取得できますか？もしそうなら、これをどのように行うことができ、どのメトリックを使用して最適なモデルを選択することができますか？
分析その他Re：不測の事態の分析からモデル選択を行う方法双方向分割表分析はそれ自体で有効ですが、目的には十分ではありません。 すべての変数を組み合わせた線形予測子を使用したロジスティック回帰は、ニーズをより適切に満たします。
開始ここにJMPオンラインドキュメントで、ロジスティック回帰とは何か、データの設定方法、分析プラットフォームの起動方法、および質問に答えるために利用できる結果について学習します。
Re：不測の事態の分析からモデル選択を行う方法ありがとう、マーク！
私は過去にロジスティック回帰を使用しましたが、バイナリ応答（Stable / Unstableなど）のみを使用しました。 このインスタンスは素晴らしい学習の機会になります。 それに正解します！
