コンティンジェンシー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。すべてカテゴリです。
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分割表分析を実行します。
- 分割表分析から、R 2 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、尤度比やピアソン カイ 2 乗値がモデル選択に役立つとは思いません。
- アソシエーションの測定テーブルから、ラムダと不確実性の値を使用します。最も高い値を持つ説明変数を選択します。
以下は、変数と偶発分析の結果を説明する要約です。
変数 ＃ | # レベル | Rsq(U) | LRカイ二乗 | ピアソンカイ二乗 | ラムダ非対称 (C|R、R|C) | ラムダ記号。 | 不確実性係数 (C|R、R|C) | 不確定係数 (Sym) |
あ | 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 |
え | 18 | .34 | 1056 | 1498年 | .34、.1 | .21 | .34、.19 | .24 |
ふ | 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に並べられています。下限と上限の境界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 からの変数の 1 つ (私は G を選択する傾向があります) を A、B、C からの 1 つまたは複数と組み合わせて、より良いモデル (すなわち、応答のより良い置換) を得ることができますか?もしそうなら、どのようにこれを行い、最良のモデルを選択するためにどのようなメトリクスを使用することができますか?
分析他のRe: コンティンジェンシー分析からモデルを選択する方法ありがとう、マーク！
過去にロジスティック回帰を使用したことがありますが、バイナリ応答 (例: 安定/不安定) のみでした。 このインスタンスは、素晴らしい学習の機会になります。 それにすぐに行きます！Re: コンティンジェンシー分析からモデルを選択する方法双方向の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、ニーズをよりよく満たします。
始めるここ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、質問に答えるために利用できる結果については、JMP のオンライン ドキュメントを参照してください。
