Schrittweise Regression "Match"Hallo,
Ich habe eine schrittweise Regression und ich habe die folgenden Ergebnisse, wenn ich das Modell in der Datenbank speichere:
Was bedeutet das ? In der Tat habe ich mehrere Koeffizienten für dieselbe Modalität in einer Variablen und es macht mich "übereinstimmend". Beispielsweise hat die Modalität "39" 2 Koeffizienten, "1" und "-1".
Was sind die "Matches"?
Ich danke Ihnen für Ihre Hilfe
AnalytikBetreff: Schrittweise Regression "Match"Ich würde vorschlagen, Predictor Screening (unter der Screening-Plattform) zu verwenden, um die verschiedenen Prädiktoren zu untersuchen.Ich glaube, Stepwise gruppiert automatisch "ähnliche" nominale Variablenwerte (wenn sie ähnliche Auswirkungen auf die Antwortvariable haben), was Sie meiner Meinung nach sehen.Das kann nützlich sein, wenn eine nominale Variable viele Ebenen hat und es Gruppen von Ebenen gibt, die ähnliche Auswirkungen haben.Aber meiner Erfahrung nach ist es schwieriger, die Bedeutung der verschiedenen potenziellen erklärenden Variablen zu erkennen, also würde ich mit dem Prädiktor-Screening beginnen.
Betreff: Schrittweise Regression "Match"Hier ist eine Beispieldatei, in der ich ein logistisches Regressionsmodell erstellen möchte, um die Variable "Qualität" vorherzusagen, die die Qualität von Käse darstellt.
In dem Beispiel habe ich nur 6 Variablen eingefügt, aber eigentlich gibt es viel mehr.
Bevor ich mein logistisches Regressionsmodell erstellte, wollte ich eine schrittweise Regression durchführen, um die besten Variablen auszuwählen, um sie in mein Modell zu integrieren
Ich verstehe jedoch nicht, warum es mich in mehrere Gruppen unterteilt, die Variablen Jahr, Monat und Woche
Tatsächlich können dies keine kontinuierlichen digitalen Variablen sein, sie haben das richtige Format: ordinal digital
Vielen Dank für Ihre Hilfe
Betreff: Schrittweise Regression "Match"Ich werde das mal ausprobieren, aber es wäre hilfreich, wenn Sie einen Schnappschuss der Datendatei anhängen würden.Es scheint, dass Ihre Variable Sem. fab wurde von JMP in zwei Bins gruppiert – einigen der Werte wurde +1 und anderen -1 zugewiesen.Ich glaube, dass das schrittweise Modell eine nominale Variable nach Gruppen gruppieren wird, die im Modell "am besten" funktionieren, sodass diese Variable anscheinend in zwei Gruppen aufgeteilt wurde.Das ist in Ordnung, wenn Sem. fab ist wirklich eine nominelle Variable (ich vermute, es bezieht sich zum Beispiel auf zwei bestimmte Gruppen von hergestellten Teilen).Da es numerische Werte hat, bin ich mir nicht sicher - und wenn es wirklich eine kontinuierliche Kennzahl ist, dann sollten Sie den Datentyp ändern und so modellieren.
Angenommen, es handelt sich um eine nominale Variable, dann schätzt Ihr Modell einfach zwei konstante Werte - einen für eine der Gruppen und einen für die andere Gruppe.Ihr Modell sagt also den Schnittpunkt +/- und den konstanten Wert voraus, je nachdem, in welcher Gruppe es sich befindet.Dies legt für mich nahe, dass eine schrittweise Regression nicht die nützlichste Art ist, diese Daten zu betrachten.Ich würde vorschlagen, eine eher explorative grafische Analyse durchzuführen, da es anscheinend zwei Gruppen von Beobachtungen mit jeweils einem vorhergesagten Wert gibt.Gibt es keine anderen erklärenden Variablen, die Sie modellieren können?Bei 2 vorhergesagten kontinuierlichen Ergebnissen und 1 nominalen Variablen (die die 2 Beobachtungsgruppen identifiziert) kann ein einfacher t-Test ausreichen.
