Cómo verificar correlaciones categóricas a categóricas en los datosHola,
Tengo datos como este y me gustaría hacer una correlación entre fallar columna a otras columnas categóricas.
¿Qué es la prueba estadística en jmp y cómo podemos aplicarla?
¿Alguna sugerencia?
Análisis y modelado de datos básicosIngeniería de Calidad y ProcesosRe: Cómo comprobar correlaciones categóricas y categóricas en los datosLa salida JMP puede ser bastante detallada a veces. Pero no necesariamente lo necesitas todo. Usaré el mismo ejemplo para mi explicación.
El gráfico biográfico de MCA le muestra todos los niveles de cada variable para comprender la naturaleza de la asociación entre variables. El valor de chi cuadrado es una medida de distancia. Por tanto, no existe un chi cuadrado bueno o malo. No existe un umbral para la comparación. Es sólo información. La idea es que primero se puede decidir si una asociación es estadísticamente significativa y luego investigar su naturaleza con MCA. MCA es interpretativo.
Digamos que dos variables están fuertemente asociadas. ¿En qué manera? La trama de MCA te lo dice. Sus variables categóricas originales se reformulan en una medida continua de distancia desde el centroide de todos los datos. Piense en el centroide como la fila promedio de su tabla de datos. Cada nueva medida de distancia define una nueva dimensión o eje. Estas dimensiones son ortogonal como era de esperar para las coordenadas cartesianas. Cada dimensión representa información única de todas las variables categóricas originales. Estas dimensiones están ordenadas de forma descendente. inercia . Piense en la inercia como la distancia total desde el centroide en una dimensión. (El símbolo de la inercia es el griego minúscula lambda .) Por lo tanto, la primera dimensión separa al máximo los niveles. La segunda dimensión separa los niveles menos que la primera pero más que las dimensiones restantes, y así sucesivamente. Entonces, las dos primeras dimensiones muestran la mayor cantidad de información sobre la asociación.
Comience con una variable, como sexo . Note que el masculino y femenino Los niveles en su gráfico están muy alejados del origen en direcciones opuestas a lo largo de la segunda dimensión, pero están cerca a lo largo de la primera dimensión (es decir, cerca de 0). Ahora mira otra variable: país . El Americano y japonés Los niveles están muy alejados del origen a lo largo de la primera dimensión pero cerca de 0 en la segunda dimensión. Por otra parte, el europeo El nivel es cercano a 0 en la primera dimensión pero bastante negativo en la segunda dimensión. Puede evaluar tanto la dirección como la distancia desde el origen para niveles de la misma variable.
Ahora considere dos variables a la vez, como país y tamaño . La asociación general entre estas dos variables se puede ver como japonés con Pequeño , Americano con Grande , y finalmente europeo con Medio .Sólo puede evaluar la dirección que se aleja del origen para niveles de diferentes variables.
Re: Cómo comprobar correlaciones categóricas y categóricas en los datosHola Marcos, @markbailey
Gracias por los enlaces. Sí, mis estadísticas son limitadas, pero tengo la ambición de aprenderlas;) Probé uno de los ejemplos y me dio un resultado muy complejo que puedo entender y poder digerir.
Cuando miré a https://www.jmp.com/support/help/en/15.2/#page/jmp/multiple-correspondence-analysis.shtml#
No entiendo cómo el número de chi cuadrado es bueno o malo según el número.
¿Cuál es el umbral a determinar hasta aquí?
Cómo seleccionar las dimensiones del eje y y del eje x. ¿Cuál es el mejor si hay varias dimensiones en el menú desplegable?
¿Cuál es el número lambda en los ejes y y x?
Re: Cómo comprobar correlaciones categóricas y categóricas en los datosQuiero agregar algunos comentarios a @txnelson La guía. Primero, no conozco su experiencia en estadísticas, así que supongo que es mínima. Sacarás mucho provecho del explicación y ejemplos para la plataforma de Contingencia .
También te recomiendo que utilices el Plataforma de análisis de correspondencias múltiples . Está diseñado específicamente para datos categóricos en muchos niveles y variables. Su principal punto fuerte es una trama doble para ayudar a la interpretación. Las estadísticas de chi cuadrado se pueden utilizar para decidir la significación estadística de la asociación. El odds ratio se puede utilizar para evaluar la fuerza de la asociación. Pero ninguna de estas estadísticas indica la naturaleza de la asociación. MCA lo hará por usted.
Re: Cómo comprobar correlaciones categóricas y categóricas en los datosUtilice la plataforma Fit Y by X. Coloque el error como factor X y las otras columnas de interés como variables de respuesta. Le proporcionará una prueba de significancia de R cuadrado y Chi cuadrado.
