Comment faire une sélection de modèle à partir d'une analyse de contingenceMon domaine est Consumer Research.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.
- À partir de 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 probabilité ou les valeurs du chi carré de Pearson seraient utiles dans la sélection du modèle.
- Dans le tableau Mesures d'association, utilisez les valeurs Lambda et 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 des contingences.
Variable # | # niveaux | R²(U) | LR-chi carré | Pearson chi carré | Lambda asymétrique (C|R, R|C) | Lambda sym. | Coef d'incertitude (C|R, R|C) | Coef d'incertitude (Sym) |
UN | 4 | .08 | 248 | 268 | .08, .13 | .1 | .08, .08 | .08 |
B | 3 | .02 | 76 | 75 | .06, .02 | .04 | .02, .03 | .03 |
C | dix | .04 | 136 | 153 | .05, .04 | .045 | .04, .03 | .034 |
ré | dix | .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 | .34, .05 | .17 | .35, .15 | .21 |
g | 6 | .32 | 1000 | 1286 | .35, .28 | .31 | .32, .26 | .29 |
La variable de réponse comporte 6 niveaux.
Les niveaux des variables, D, E, F, G sont classés par intensité croissante.On suppose que les limites inférieure et supérieure sont similaires.
Des questions:
- L'approche décrite est-elle valide ?
- Puis-je combiner 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 oui, comment procéder et quelles mesures pourraient être utilisées pour sélectionner le meilleur modèle ?
AnalytiqueAutreRe : Comment sélectionner un modèle à partir d'une analyse de contingenceMerci, Marc !
J'ai utilisé la régression logistique dans le passé, mais uniquement avec des réponses binaires (par exemple, stable/instable). Cette instance serait une excellente occasion d'apprentissage. Va y arriver!Re : Comment sélectionner un modèle à partir d'une analyse de contingenceL'analyse du tableau de contingence à double entrée est valable en soi, mais elle n'est pas suffisante pour votre objectif. La régression logistique utilisant un prédicteur linéaire qui combine toutes les variables satisfera mieux votre besoin.
Commencer ici dans la documentation en ligne de 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.
