Come verificare le correlazioni tra categoriali nei datiCIAO,
Ho dati come questi e vorrei correlarli fallire colonna ad altre colonne categoriali.
Cos'è il test statistico in jmp e come possiamo applicarlo?
Eventuali suggerimenti?
Analisi e modellazione dei dati di baseIngegneria della qualità e dei processiRi: Come verificare le correlazioni da categoria a categoria nei datiL'output di JMP a volte può essere piuttosto prolisso. Ma non è detto che ti serva tutto. Utilizzerò lo stesso esempio per la mia spiegazione.
Il doppio grafico MCA mostra tutti i livelli di ciascuna variabile per comprendere la natura dell'associazione tra le variabili. Il valore del chi quadrato è una misura di distanza. Quindi non esiste un chi quadrato buono o cattivo. Non esiste una soglia per il confronto. Sono solo informazioni. L'idea è che potresti prima decidere se un'associazione è statisticamente significativa e poi indagarne la natura con l'MCA. L'MCA è interpretativo.
Diciamo che due variabili sono fortemente associate. In quale modo? Te lo dice la trama dell'MCA. Le tue variabili categoriche originali vengono riformulate in una misura continua di distanza dal baricentro di tutti i dati. Pensa al centroide come alla riga media nella tabella dei dati. Ogni nuova misura di distanza definisce una nuova dimensione o asse. Queste dimensioni sono ortogonale come ci si aspetterebbe per le coordinate cartesiane. Ciascuna dimensione rappresenta informazioni univoche provenienti da tutte le variabili categoriali originali. Queste dimensioni sono ordinate in ordine decrescente inerzia . Pensa all'inerzia come alla distanza totale dal baricentro in una dimensione. (Il simbolo dell'inerzia è il greco minuscolo lambda .) La prima dimensione separa quindi al massimo i livelli. La seconda dimensione separa i livelli meno della prima ma più delle restanti dimensioni, e così via. Quindi le prime due dimensioni mostrano la maggior parte delle informazioni sull'associazione.
Inizia con una variabile, come sesso . Si noti che il maschio E femmina i livelli nel grafico sono ben lontani dall'origine in direzioni opposte lungo la seconda dimensione, ma sono vicini lungo la prima dimensione (cioè vicini allo 0). Ora guarda un'altra variabile: Paese . IL americano E giapponese i livelli sono ben lontani dall'origine lungo la prima dimensione ma vicini allo 0 sulla seconda dimensione. D'altra parte, il europeo il livello è vicino a 0 nella prima dimensione ma abbastanza negativo nella seconda dimensione. È possibile valutare sia la direzione che la distanza dall'origine per i livelli della stessa variabile.
Consideriamo ora due variabili alla volta, come ad esempio Paese E misurare . L'associazione generale tra queste due variabili può essere vista come giapponese con Piccolo , americano con Grande , e infine europeo con medio .È possibile valutare la direzione in allontanamento dall'origine solo per livelli di variabili diverse.
Ri: Come verificare le correlazioni da categoria a categoria nei datiCiao Marco, @markbailey
Grazie per i collegamenti. Sì, la mia statistica è limitata ma ho l'ambizione di impararla;) Ho provato uno degli esempi e ha dato un risultato molto complesso che posso capire per poterlo digerire.
Quando ho guardato https://www.jmp.com/support/help/en/15.2/#page/jmp/multiple-corrispondence-analysis.shtml#
Non capisco come il numero del chi quadrato sia buono o cattivo in base al numero.
Qual è la soglia da determinare fino a qui?
Come selezionare le dimensioni dell'asse Y e dell'asse X. Qual è la migliore tra le dimensioni multiple nel menu a discesa?
Qual è il numero lambda negli assi yex?
Ri: Come verificare le correlazioni da categoria a categoria nei datiVoglio aggiungere alcuni commenti a @txnelson la guida. Innanzitutto, non conosco il tuo background statistico, quindi presumo che sia minimo. Otterrai molto da spiegazione ed esempi per la piattaforma Contingency .
Ti consiglio anche di usare il Piattaforma di analisi delle corrispondenze multiple . È specificamente progettato per dati categorici su molti livelli e variabili. Il suo punto di forza principale è la doppia trama che aiuta l'interpretazione. Le statistiche del chi quadrato possono essere utilizzate per decidere la significatività statistica dell'associazione. L'odds ratio può essere utilizzato per valutare la forza dell'associazione. Ma nessuna di queste statistiche ci dice la natura dell’associazione. MCA lo farà per te.
Ri: Come verificare le correlazioni da categoria a categoria nei datiUtilizza la piattaforma Adatta Y per X. Inserisci Fail in come X Factor e le altre colonne di interesse come variabili di risposta. Ti fornirà un test di significatività del quadrato R e del chi quadrato
