74723_zh-CN

liliconcom

分区中序数 x/因子的缺失值处理

Suggestion: Please treat missing data (and missing value code data) for ordinal X/Factor variables the same as continuous X/Factor variables when the informative missing option is selected. 也就是说，测试以查看缺失是否更好地分组为“高”或“低”。 现在，似乎将缺失值（或缺失值代码）视为序数值并相应地分配它。

统计和分析回复：分区中序数 x/因子的缺失值处理 - 状态更改为：开发中

我们正在为 JMP 16 解决这个问题。

 

同时，强制排序的一种方法是在值排序属性中处理缺失。

 

Column("age")<回复：分区中序数 x/因子的缺失值处理

追踪号码是 7612567893

回复：分区中序数 x/因子的缺失值处理

你好 -

 

我在 16 年对此进行了快速重新测试。当因变量是连续的时，它似乎有效，但当因变量是序数时，它似乎只是将序数预测变量的缺失值类别与低类别组放在拆分中。所以，我认为这仍然是一个开放的愿望。谢谢。

回复：分区中序数 x/因子的缺失值处理

这是一个 JSL 片段来重现我们所看到的......

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

回复：分区中序数 x/因子的缺失值处理

@萨姆加德纳看起来这即将到来，但不是在 JMP 16 或 17 中，您看到的是什么？是否应该实际调查状态？