嘗試透過包含序數資料來改善多元（連續資料）迴歸擬合您好 - 是否可以或建議嘗試透過合併序數變數來改善多元線性迴歸模型的適合度？我目前的模型包含 2 個連續解釋變數和 1 個連續反應變數。我知道在現實世界中，序數變數確實很重要，並且明顯影響反應變數......我只是不確定如何捕捉這種影響。就上下文而言，我正在建模（即預測）生態菌（反應變數）如何受到濁度（連續）、附近某些位置的降雨量（連續）以及其他無法改善模型擬合的變數的影響。然而，我知道，由於流域的初始沖刷，河流水位上升的點（稱為上升階段）通常含有較高的大腸桿菌，並且通常這個上升階段的間隔甚至比高峰階段含有更多的大腸桿菌。我們透過觀察得知這一點。所以......理想情況下，應該在模型中捕獲這些上升階段的實例，並且似乎最好的方法是使用序數變數（例如快速上升= 2，緩慢上升= 1，無上升） ，非常緩慢的上升，或下降= 0）。到目前為止，一切都很好。但我不確定如何將其納入我的“大腸桿菌”與“連續和有序變量”的預測模型中。對此有什麼建議或方向嗎？提前致謝。
數據探索和視覺化回覆：嘗試透過包含序數資料來改善多元（連續資料）迴歸擬合謝謝斯塔曼。我會嘗試一下。
回覆：嘗試透過包含序數資料來改善多元（連續資料）迴歸擬合我不太確定你的具體情況，但是是的，增量會隨著時間的推移而變化。 連續變數總是更有用並且需要更少的資料。
回覆：嘗試透過包含序數資料來改善多元（連續資料）迴歸擬合這實際上是一個好主意，也是比我正在使用的更好的衡量標準。您在考慮增量上升/增量時間嗎？
回覆：嘗試透過包含序數資料來改善多元（連續資料）迴歸擬合非常感謝迪德里希的投入。我會嘗試一下。順便說一下，我使用的是 JMP 版本 12.1。
回覆：嘗試透過包含序數資料來改善多元（連續資料）迴歸擬合為什麼不將實際的上升/下降率作為連續變數來衡量而不是對其進行分類？
回覆：嘗試透過包含序數資料來改善多元（連續資料）迴歸擬合你好@learning_JSL ,
您運行的是哪個版本的 JMP 或 JMP Pro？
您可以毫無問題地合併序數資料。 您甚至可以包括上升階段與濁度或降雨量的交叉項。 只需像平常一樣將其添加到對話視窗中即可。 您可以練習使用 Big Class.jmp 數據表，使用年齡作為序數變量 - 我只是使用 PLS 模型個性來根據年齡、性別、體重和年齡*體重預測“身高”，僅作為示例。
話雖這麼說，如果您建模的資料不是來自 DOE（聽起來不像），您需要確保使用某種交叉驗證技術來確保您沒有過度擬合您的資料。 對我來說，聽起來您正在嘗試根據許多其他因素來預測水道中大腸桿菌的含量。 聽起來這是一個很酷的問題，對公共衛生具有重要意義。
如果您有 Pro，您將希望在不同的平台上運行模型，以查看哪個平台可以針對您未用於訓練模型的資料產生最佳預測模型（假設這是您最終想要做的）。 您會想要嘗試 GenReg、決策樹，甚至是神經網路。 然後，您可以比較未使用資料的模型，看看哪一個最適合作為預測模型。
希望這可以幫助。 祝你好運！，
DS
