So überprüfen Sie kategoriale Korrelationen in DatenHallo,
Ich habe Daten wie diese und würde gerne eine Korrelation zwischen ihnen herstellen scheitern Spalte zu anderen kategorialen Spalten.
Was ist ein Statistiktest in JMP und wie können wir ihn anwenden?
Irgendwelche Vorschläge?
Grundlegende Datenanalyse und ModellierungQualitäts- und VerfahrenstechnikBetreff: So überprüfen Sie kategoriale Korrelationen in DatenDie JMP-Ausgabe kann manchmal ziemlich ausführlich sein. Aber Sie brauchen nicht unbedingt alles. Ich werde das gleiche Beispiel für meine Erklärung verwenden.
Der MCA-Bi-Plot zeigt Ihnen alle Ebenen jeder Variablen, um die Art der Assoziation zwischen Variablen zu verstehen. Der Chi-Quadrat-Wert ist ein Distanzmaß. Es gibt also kein gutes oder schlechtes Chi-Quadrat. Es gibt keine Vergleichsschwelle. Es handelt sich lediglich um Informationen. Die Idee besteht darin, dass Sie zunächst entscheiden, ob ein Zusammenhang statistisch signifikant ist, und dann die Art des Zusammenhangs mit MCA untersuchen. MCA ist interpretativ.
Nehmen wir an, dass zwei Variablen stark miteinander verbunden sind. Inwiefern? Der MCA-Plot verrät es Ihnen. Ihre ursprünglichen kategorialen Variablen werden in ein kontinuierliches Maß für die Entfernung von umgewandelt Schwerpunkt aller Daten. Stellen Sie sich den Schwerpunkt als die durchschnittliche Zeile in Ihrer Datentabelle vor. Jedes neue Abstandsmaß definiert eine neue Dimension oder Achse. Diese Dimensionen sind senkrecht wie man es für kartesische Koordinaten erwarten würde. Jede Dimension stellt eindeutige Informationen aus allen ursprünglichen kategorialen Variablen dar. Diese Dimensionen sind absteigend geordnet Trägheit . Stellen Sie sich Trägheit als den Gesamtabstand vom Schwerpunkt in einer Dimension vor. (Das Symbol für Trägheit ist der griechische Kleinbuchstabe Lambda .) Die erste Dimension trennt also die Ebenen maximal. Die zweite Dimension trennt die Ebenen weniger als die erste, aber mehr als die übrigen Dimensionen und so weiter. Die ersten beiden Dimensionen zeigen Ihnen also die meisten Informationen über die Assoziation.
Beginnen Sie mit einer Variablen, z Sex . Beachten Sie, dass die männlich Und weiblich Die Ebenen in Ihrem Diagramm sind entlang der zweiten Dimension in entgegengesetzten Richtungen weit vom Ursprung entfernt, liegen aber entlang der ersten Dimension nahe beieinander (d. h. nahe bei 0). Schauen Sie sich nun eine andere Variable an: Land . Der amerikanisch Und japanisch Die Ebenen sind in der ersten Dimension weit vom Ursprung entfernt, in der zweiten Dimension jedoch nahe bei 0. Andererseits ist die europäisch Der Pegel liegt in der ersten Dimension nahe bei 0, in der zweiten Dimension jedoch ziemlich negativ. Sie können sowohl die Richtung als auch den Abstand vom Ursprung für Ebenen derselben Variablen beurteilen.
Betrachten Sie nun zwei Variablen gleichzeitig, z Land Und Größe . Der allgemeine Zusammenhang zwischen diesen beiden Variablen kann wie folgt angesehen werden: japanisch mit Klein , amerikanisch mit Groß , und schlussendlich europäisch mit Mittel .Sie können die Richtung vom Ursprung weg nur für Ebenen verschiedener Variablen beurteilen.
Betreff: So überprüfen Sie kategoriale Korrelationen in DatenHallo Mark,@markbailey
Danke für Links. Ja, meine Statistik ist begrenzt, aber ich habe den Ehrgeiz, sie zu lernen;) Ich habe eines der Beispiele ausprobiert und es ergab ein sehr komplexes Ergebnis, das ich verstehen kann, damit ich es verdauen kann.
Als ich nachschaute https://www.jmp.com/support/help/en/15.2/#page/jmp/multiple-correspondence-analysis.shtml#
Ich verstehe nicht, wie die Chi-Quadrat-Zahl basierend auf der Zahl gut oder schlecht ist.
Was ist der Schwellenwert, den es hier zu bestimmen gilt?
So wählen Sie die Abmessungen der Y- und X-Achse aus. Welches ist das Beste, wenn es mehrere Dimensionen im Dropdown-Menü gibt?
Was ist die Lambda-Zahl auf der y- und x-Achse?
Betreff: So überprüfen Sie kategoriale Korrelationen in DatenIch möchte ein paar Kommentare hinzufügen @txnelson 's Anleitung. Erstens kenne ich Ihren statistischen Hintergrund nicht, daher gehe ich davon aus, dass er minimal ist. Sie werden viel davon haben Erläuterungen und Beispiele für die Contingency-Plattform .
Ich empfehle Ihnen auch, das zu verwenden Plattform für die Analyse mehrerer Korrespondenzen . Es wurde speziell für kategoriale Daten über viele Ebenen und Variablen hinweg entwickelt. Seine Hauptstärke ist die Doppelhandlung, die die Interpretation erleichtert. Die Chi-Quadrat-Statistik kann verwendet werden, um die statistische Signifikanz des Zusammenhangs zu bestimmen. Anhand des Odds Ratio lässt sich die Stärke des Verbandes einschätzen. Aber keine dieser Statistiken sagt etwas über die Art der Verbindung aus. MCA erledigt das für Sie.
Betreff: So überprüfen Sie kategoriale Korrelationen in DatenNutzen Sie die Fit Y by X-Plattform. Platzieren Sie „Fail in“ als X-Faktor und die anderen relevanten Spalten als „Response“-Variablen. Sie erhalten einen R-Quadrat- und einen Chi-Quadrat-Signifikanztest
