建議：當選擇信息缺失選項時，請將序數 X/因子變量的缺失數據（和缺失值代碼數據）與連續 X/因子變量相同。 也就是說，測試以查看缺失是否更好地分組為“高”或“低”。 現在，似乎將缺失值（或缺失值代碼）視為序數值並相應地分配它。
我們正在為 JMP 16 解決這個問題。
同時，強制排序的一種方法是在值排序屬性中處理缺失。
Column("age")<回复：分區中序數 x/因子的缺失值處理
追踪號碼是 7612567893
你好 -
我在 16 年對此進行了快速重新測試。當因變量是連續的時，它似乎有效，但當因變量是序數時，它似乎只是將序數預測變量的缺失值類別與低類別組放在拆分中。所以，我認為這仍然是一個開放的願望。謝謝。
這是一個 JSL 片段來重現我們所看到的......
bigclass = Open("$SAMPLE_DATA/Big Class.jmp");
bigclass << New Column("MissingLow",Modeling Type(Ordinal),<< Formula(If( :age < 14 & Random Integer( 2 ) - 1,.,:age)));
bigclass << New Column("MissingHigh",Modeling Type(Ordinal),<< Formula(If( :age > 14 & Random Integer( 2 ) - 1,.,:age)));
bigclass << Partition(
Y( :age ),
X( :MissingLow ), // replace age with missing for some 12 and 13 year olds
Informative Missing( 1 ),
Split Best( 2 )
); // Note first split puts (missing, 12, 13) into a group
bigclass << Partition(
Y( :age ),
X( :MissingHigh ), // replace age with missing for some 15-17 year olds
Informative Missing( 1 ),
Split Best( 2 )
); // Note no split puts missing into a group with any 15, 16, or 17 year olds, it puts missing on the low end only@薩姆加德納看起來這即將到來，但不是在 JMP 16 或 17 中，您看到的是什麼？是否應該實際調查狀態？
