Datos sobre clasificacionesHola,
¿Cuáles son las opciones para analizar los datos de las clasificaciones en JMP? ¿Implementan el enfoque de PlackettLuce?
Me gustaría ver la clasificación condicional de otras covariables.
Gracias
José
Tabla de datosRe: datos sobre rankingsUn concepto básico de diseño de JMP es que uno tiene que definir un tipo de datos para las variables como precursor del análisis. Algunos tipos de datos de ejemplo son numéricos, nominales, ordinales, de texto, de respuesta múltiple y más. Entonces, para los datos de clasificación, ordinal es probablemente su mejor opción. A partir de ahí, normalmente se busca describir o explicar algo sobre las variables. Estas acciones están respaldadas por lo que se denominan 'plataformas de análisis' en JMP. Muchas, muchas plataformas de análisis JMP pueden trabajar con datos ordinales, por lo que las opciones de análisis son muchas y están muy extendidas. Mi sugerencia inicial es leer detenidamente la documentación en línea de JMP, quizás buscando métodos analíticos específicos. Aquí hay un enlace a la 'página de inicio' de la documentación en línea:
Documentación en línea de JMP
Re: datos sobre rankingsGracias por tu respuesta.
Soy consciente de los aspectos básicos de JMP o estadísticas. ¿Qué estaba preguntando si existe la posibilidad de hacer modelado con datos de rango en JMP?
Tengo 4 opciones clasificadas del uno al cuatro por los encuestados y quiero ver las probabilidades condicionales de clasificación, la clasificación óptima y las métricas de distancia para los datos de clasificación. No puedo encontrar nada sobre el análisis de datos de rango en los manuales de JMP.
Gracias.
Re: datos sobre rankings¡Hola, gav2013!
Si considera cada opción en la clasificación como una observación multinomial, con un elemento observado de un conjunto posible, puede aplicar una transformación de Poisson multinomial y exprese el modelo como un modelo log-lineal, donde la respuesta es el recuento (1 o 0) de cada resultado posible dentro de cada elección. Luego, el modelo se puede ajustar utilizando modelos lineales generalizados, que es una personalidad disponible en la plataforma JMP Fit Model.
Este enfoque puede tener problemas cuando tiene muchos elementos para clasificar (¿lotes> 10?) Porque tiene que configurar variables ficticias para representar la presencia o ausencia de cada elemento en cada elección y establecer un factor para identificar cada opción.Las combinaciones explotan bastante rápido y puedes desafiar la capacidad de la memoria.No mencionas cuántos elementos has clasificado para modelar.
Puede que le resulte más fácil utilizar la capacidad de JMP para ejecutar R.R tiene varios paquetes que modelan rangos, incluidos los modelos Plackett-Luce.
¡Buena suerte!
