Control de la codificación factorial nominal de 2 nivelesSaludos,
Tengo problemas para entender la codificación de JMP de un diseño factorial simple de 2 niveles. Los niveles (-1,1) de la tabla de codificación creada por Ajustar modelo (Mínimos cuadrados estándar, Detección de efectos) aparecen invertidos desde la tabla de diseño Patrón y la columna asociada Órdenes de valor.
Adjunto un diseño de ejemplo con niveles de factores nombrados para realizar un seguimiento de los niveles altos y bajos (Full Factorial-Nom.jmp). Tres factores son de carácter/nominal y uno es numérico/nominal solo para ver si se trata de manera diferente. La columna del patrón de diseño identifica correctamente los niveles y la propiedad Orden de valores para cada columna también es correcta. Hasta ahora, todo bien...
Después de ajustar un modelo de efectos principales, se invierten los niveles de la tabla de codificación. Adjunté el resultado con la columna del patrón original pegada como referencia (Tabla de codificación-Nom.jmp). Sé que el modelo será matemáticamente correcto con los signos invertidos, pero lo encuentro una molestia en la práctica, especialmente en diseños fraccionarios más grandes y complejos donde a menudo uso niveles codificados para diagnóstico, exportación a otro software, etc.
Observo que el atributo de codificación en la tabla de datos es inaccesible para los tipos de columnas nominales. ¿Porqué es eso? Puedo invertir el orden de los valores de las columnas para codificar correctamente pero luego, por supuesto, los niveles de trazado se invierten. ¿Me estoy perdiendo algo obvio aquí? Revisé la documentación y otros hilos antes de publicar.
Gracias por cualquier idea.
- Tomás
Diseño de experimentosRe: Control de codificación de factor nominal de 2 nivelesLo que has publicado tiene sentido, Dan. También es útil ver la herramienta Mostrar estimaciones de predicción. Lo dejaré reposar ahí. ¡Gracias por su paciencia!
- Tomás
Re: Control de codificación de factor nominal de 2 nivelesCon los archivos revisados, está utilizando la codificación predeterminada de JMP. El nivel bajo se mostrará en las estimaciones de los parámetros. La estimación del parámetro de alto nivel será el valor opuesto de la estimación del parámetro de bajo nivel, ya que solo tiene dos niveles. Una forma de ver esto es elegir el menú emergente rojo y seleccionar Estimaciones > Mostrar expresión de predicción. Sólo copié los efectos principales.
Recuerde que cuando utiliza un tipo de modelado Nominal, en realidad son solo nombres. Realmente es irrelevante qué valor es el ajuste "bajo" y cuál es el ajuste "alto".
Si sus factores son numéricos, continuos, la fórmula de codificación es X-Rango medio(X)/(Rango(x)/2) y NO es la misma que la codificación para factores nominales. Dado que está utilizando nominal, la fórmula no se utiliza ni se puede utilizar. Los detalles sobre lo que hace JMP se pueden encontrar en la parte Ajuste de modelos lineales > Mínimos cuadrados estándar de la documentación de JMP. He incluido parte de esa explicación en el archivo adjunto.
Re: Control de codificación de factor nominal de 2 nivelesGracias, Dan. Su respuesta llega al meollo de la pregunta y describe la convención de codificación para factores nominales. Entiendo que lo que escribiste significa que el último nivel enumerado se codificará como "nivel base" = +1.
Lamento haber subido por error la tabla de diseño después de revertir el orden de valor de X1 para ver qué pasaba. Solo para comenzar de nuevo, aquí hay una nueva tabla de diseño adjunta con Orden de valor para todos los factores establecidos como lo describió: El nivel bajo aparece en primer lugar, el nivel alto aparece en segundo lugar. Consulte a continuación el cuadro de diálogo Orden de valores predeterminado para X1 después de volver a ejecutar la creación del DOE. Los demás niveles de factores también se enumeran de la misma manera. Cuando vuelvo a analizar, todavía obtengo la codificación invertida del patrón de diseño original. También se adjunta tabla de codificación actualizada.
Por favor, avíseme si estoy malinterpretando algo aquí.
Re: Control de codificación de factor nominal de 2 nivelesCreo que entiendo lo que estás diciendo. Siempre que exista un factor nominal, uno de los niveles debe considerarse el nivel "base". Por convención, siempre es el último nivel listado (el nivel más alto en este caso). Esto llevaría a que las estimaciones de los parámetros se mostraran para el nivel bajo. Su tabla Full Facotrial-Nom no muestra ese comportamiento porque una de las propiedades de la columna en la tabla es Orden de valores. Ha cambiado eso para revertirlo en todos sus factores. Entonces su nivel "base" ahora es el nivel bajo, no el nivel alto. Este NO es el orden predeterminado que proporciona JMP.
Si vuelve a ejecutar el script de diálogo DOE y crea una nueva tabla, consulte el orden de valores. Verá su nivel bajo en la lista en primer lugar, el nivel alto en segundo lugar. Ahora complete los datos de su respuesta y vuelva a analizar, creo que verá la codificación como desea que sea.
Re: Control de codificación de factor nominal de 2 niveles
@statman escribió:
Lo siento, tendré que dejar que alguien más responda porque la pregunta todavía me confunde. ¿Quién es mejor Joe o Mike? ¿Cuál es más alto, el verde o el rojo? Estos son arbitrarios, no existe un orden lógico en la codificación. ¿Tiene dificultades para interpretar las estimaciones de los parámetros? Puede especificar qué nivel es cuál en el diseño del experimento cuando agrega los factores.
Sólo para aclarar a cualquiera que quiera ver esto. Como señala statman, especificé los niveles de los factores al agregar los factores y crear el diseño. La columna "Patrón" creada por JMP confirma que estos niveles se establecieron. También utilicé "Bajo" y "Alto" en los nombres de los niveles de factor para hacerlos "no arbitrarios" con el fin de interpretar este ejemplo. Entonces el diseño está bien para mi propósito. Ver tabla de diseño adjunta en la publicación de apertura. Mi pregunta no es sobre el diseño, sino más bien sobre por qué la plataforma de modelado lo codifica de una manera que es inconsistente con los niveles de diseño establecidos. Es decir, ¿por qué los signos de la matriz de codificación (-1,1) están invertidos respecto del diseño?
- Tomás
Re: Control de codificación de factor nominal de 2 nivelesLo siento, tendré que dejar que alguien más responda porque la pregunta todavía me confunde. ¿Quién es mejor Joe o Mike? ¿Cuál es más alto, el verde o el rojo? Estos son arbitrarios, no existe un orden lógico en la codificación. ¿Tiene dificultades para interpretar las estimaciones de los parámetros? Puede especificar qué nivel es cuál en el diseño del experimento cuando agrega los factores.
Re: Control de codificación de factor nominal de 2 nivelesGracias. En realidad, no estoy cuestionando la necesidad o los motivos de la codificación, ni las diferentes parametrizaciones que se utilizan para los distintos contrastes. Busco algo más simple ya que a menudo uso la codificación del modelo así como la tabla de factores con nombre. Para el caso de dos niveles que utiliza contrastes de suma a cero, ¿por qué JMP no usa el intuitivo (-1) para los niveles de factor "inferiores" y (+1) para los niveles "superiores" que se definen en el tabla de datos de diseño? ¿Y hay alguna manera de forzar eso?
Gracias,
- Tomás
Re: Control de codificación de factor nominal de 2 nivelesLo siento, creo que no entiendo tu pregunta. La codificación deseada de los factores es equidistante centrada en cero. Históricamente, esto explica la probabilidad de que las estimaciones de los parámetros necesiten "compensar" las diferencias en los valores de nivel, lo que dificulta la comparación de las estimaciones. La codificación "normaliza" las estimaciones de los parámetros. Ahora, se hace en segundo plano, ya sea que codifique o no. La codificación de factores categóricos (Joe y Mike, por ejemplo) es arbitraria.
Lo que no entiendo es que cuando analizas el conjunto de datos utilizando el modelo de ajuste, no cambias el conjunto de datos en absoluto. No obtienes una nueva tabla cuando haces el análisis. Entonces, no entiendo cómo o por qué creaste el segundo conjunto de datos.
