Essayer d'améliorer l'ajustement de la régression multivariée (données continues) en incluant également des données ordinalesSalut - Est-il possible ou conseillé d'essayer d'améliorer l'ajustement de mon modèle de régression linéaire multiple en incorporant également une variable ordinale ?Mon modèle actuel contient 2 variables explicatives continues et une variable de réponse continue.Je sais que dans le monde réel, la variable ordinale a de l'importance et affecte clairement la variable de réponse... Je ne sais tout simplement pas comment capturer cet effet.Pour le contexte, je modélise (c'est-à-dire je prédis) comment l'ecoli (variable de réponse) est affecté par la turbidité (continue), les précipitations à certains endroits proches (continu) et d'autres variables qui n'améliorent pas l'ajustement du modèle.Je sais, cependant, que le point auquel le niveau de la rivière augmente (appelé stade de montée) contient généralement des ecolis plus élevés en raison du lessivage initial du bassin versant et souvent cet intervalle de stade de montée contient plus d'ecoli que même au stade de pointe.Nous le savons par des observations.Donc....ces instances de phase montante devraient, idéalement, être capturées dans le modèle, et il semble que la meilleure façon de le faire soit d'utiliser une variable ordinale (par exemple, montée rapide = 2, montée lente = 1, pas de montée , montée très lente, ou descente = 0).Jusqu'ici tout va bien.Mais je ne sais pas comment intégrer cela dans mon modèle prédictif de "ecoli" vs "variables continues et ordinales".Des suggestions ou des directives à ce sujet ?Merci d'avance.
AnalytiqueRe : Essayer d'améliorer l'ajustement de la régression multivariée (données continues) en incluant également des données ordinalessalut @Campbell_Ted_R ,
Quelle version de JMP ou JMP Pro utilisez-vous ?
Vous pouvez incorporer les données ordinales sans problème. Vous pouvez même inclure des termes croisés de stade ascendant avec la turbidité ou les précipitations. Ajoutez-le simplement dans la fenêtre de dialogue comme vous le feriez normalement. Vous pouvez vous entraîner à utiliser la table de données Big Class.jmp, en utilisant l'âge comme variable ordinale. .
Cela étant dit, si les données que vous modélisez ne provenaient pas d'un DOE (ce qui ne semble pas être le cas), vous voudrez vous assurer que vous utilisez une sorte de technique de validation croisée pour vous assurer que vous ne surchargez pas vos données. Pour moi, il semble que vous essayez de prédire les niveaux d'E.Coli dans les cours d'eau en fonction d'un certain nombre d'autres facteurs. Cela semble être un problème intéressant sur lequel travailler et d'une grande importance pour la santé publique.
Si vous avez Pro, vous voudrez exécuter des modèles avec différentes plates-formes pour voir laquelle génère le meilleur modèle prédictif sur des données que vous n'avez pas utilisées pour entraîner le modèle (en supposant que c'est ce que vous voulez faire en fin de compte). Vous voudrez essayer des choses dans GenReg, des arbres de décision et même des réseaux de neurones. Vous pouvez ensuite comparer les modèles sur les données inutilisées et voir lequel fonctionne le mieux comme modèle de prédiction.
J'espère que cela t'aides. Bonne chance!,
DS
Re : Essayer d'améliorer l'ajustement de la régression multivariée (données continues) en incluant également des données ordinalesPourquoi ne mesurez-vous pas le taux réel de montée/descente en tant que variable continue au lieu de le catégoriser ?
Re : Essayer d'améliorer l'ajustement de la régression multivariée (données continues) en incluant également des données ordinalesMerci beaucoup pour l'entrée Diedrich.Je vais essayer.Au fait, j'utilise JMP version 12.1.
