¿Cómo analizar el diseño factorial con un resultado que tiene dos tipos de varianza?Hola
Tengo un conjunto de datos de un diseño factorial de 2 niveles con 2 factores.
El conjunto de datos contiene el monto de la compra por cada usuario.
Cada fila es un usuario único. Comprar con valor 0 significa que el usuario no compró. A y B son tratamientos.
Quiero calcular el efecto de los tratamientos A y B sobre la compra promedio por usuario (suma de la compra en USD dividida por el número de usuarios).
Sin embargo, supongo que debemos tener en cuenta dos tipos de varianza.
Primero, la variación de la tasa de compra, es decir, si el usuario ordenó o no. En segundo lugar, la variación en el valor medio de compra.
¿Puede sugerir el método apropiado para realizar dicho análisis en JMP?
He adjuntado el conjunto de datos.
GAMARe: ¿Cómo analizar el diseño factorial con un resultado que tiene dos tipos de varianza?Solo tiene 265 compras de 15,771 observaciones. La regresión OLS es inapropiada en este caso. Fracasa miserablemente y los supuestos del modelo se violan gravemente. Transformé el monto de la compra en una respuesta binaria Comprado = {no, sí} y luego lo modelé con regresión logística. Los diagnósticos se ven mal. El modelo nunca predijo Comprado = sí. Probé el modelo log-lineal de Poisson y funcionó, pero demostró muy poca evidencia de un efecto de A o B.
Adjunté su tabla de datos con mis adiciones.
Re: ¿Cómo analizar el diseño factorial con un resultado que tiene dos tipos de varianza?¡Muchas gracias!
Entiendo que podemos usar la regresión logística para datos binomiales. Pero, ¿qué pasaría si tuviéramos un efecto positivo de A o B en la compra (Sí, No) y el resultado de interés fuera un monto de compra promedio por usuario? Este resultado es diferente porque es un producto de métrica binaria (Sí, No) y una cantidad promedio de pedidos comprados (con comprado = sí). Podemos tener más compras exitosas, pero una cantidad promedio de pedidos comprada baja, como resultado, obtendremos una cantidad promedio de compra más baja por usuario. En las pruebas OFAT para este resultado, podemos usar no paramétricos Mann - Prueba U de Whitney. Pero, ¿qué pasa con los casos en los que queremos hacer un análisis de regresión?
