Tentativo di migliorare l'adattamento della regressione multivariata (dati continui) includendo anche i dati ordinaliSalve, è possibile o consigliabile tentare di migliorare l'adattamento del mio modello di regressione lineare multipla incorporando anche una variabile ordinale?Il mio modello attuale contiene 2 variabili esplicative continue e una variabile di risposta continua.So che nel mondo reale la variabile ordinale conta e influenza chiaramente la variabile di risposta... semplicemente non sono sicuro di come catturare quell'effetto.Per contesto, sto modellando (cioè prevedendo) come l'ecoli (variabile di risposta) è influenzato dalla torbidità (continua), dalle precipitazioni in alcune località vicine (continua) e da altre variabili che non hanno migliorato l'adattamento del modello.So, tuttavia, che il punto in cui il livello del fiume aumenta (definito fase di aumento) contiene tipicamente più ecoli a causa del dilavamento iniziale dallo spartiacque e spesso questo intervallo di fase di aumento contiene più ecoli che anche nella fase di picco.Lo sappiamo dalle osservazioni.Quindi... questi casi di fase ascendente dovrebbero, idealmente, essere catturati nel modello, e sembra che il modo migliore per farlo sia usare una variabile ordinale (ad esempio aumento rapido = 2, aumento lento = 1, nessun aumento , aumento molto lento o diminuzione = 0).Fin qui tutto bene.Ma non sono sicuro di come incorporarlo nel mio modello predittivo di "ecoli" rispetto a "variabili continue e ordinali".Qualche suggerimento o indicazione al riguardo?Grazie in anticipo.
Esplorazione e visualizzazione dei datiRi: Tentativo di migliorare l'adattamento della regressione multivariata (dati continui) includendo anche i dati ordinaliGrazie Statmann.Lo proverò.
Ri: Tentativo di migliorare l'adattamento della regressione multivariata (dati continui) includendo anche i dati ordinaliNon sono esattamente sicuro della tua situazione particolare, ma sì, il delta cambia nel tempo. Le variabili continue saranno sempre più utili e richiederanno meno dati.
Ri: Tentativo di migliorare l'adattamento della regressione multivariata (dati continui) includendo anche i dati ordinaliIn realtà è una buona idea e una misura migliore di quella che sto usando.Stai pensando al delta rise/delta time?
Ri: Tentativo di migliorare l'adattamento della regressione multivariata (dati continui) includendo anche i dati ordinaliGrazie mille per il contributo Diedrich.Lo proverò.A proposito, sto usando la versione 12.1 di JMP.
Ri: Tentativo di migliorare l'adattamento della regressione multivariata (dati continui) includendo anche i dati ordinaliPerché non misuri il tasso effettivo di aumento/diminuzione come variabile continua invece di categorizzarlo?
Ri: Tentativo di migliorare l'adattamento della regressione multivariata (dati continui) includendo anche i dati ordinaliCIAO @learning_JSL ,
Quale versione di JMP o JMP Pro utilizzi?
È possibile incorporare i dati ordinali senza problemi. Puoi anche includere termini incrociati di fase ascendente con torbidità o pioggia. Basta aggiungerlo nella finestra di dialogo come faresti normalmente. Puoi esercitarti utilizzando la tabella dati Big Class.jmp, utilizzando l'età come variabile ordinale: l'ho appena fatto con la personalità del modello PLS per prevedere l'"altezza" in base a età, sesso, peso ed età*peso, solo come esempio .
Detto questo, se i dati che stai modellando non provenivano da un DOE (cosa che non sembra), ti consigliamo di assicurarti di utilizzare una sorta di tecnica di convalida incrociata per assicurarti che non stai sovraccaricando i tuoi dati. A me sembra che tu stia cercando di prevedere i livelli di E.Coli nei corsi d'acqua in base a una serie di altri fattori. Sembra un problema interessante su cui lavorare e di grande importanza per la salute pubblica.
Se disponi di Pro, ti consigliamo di eseguire modelli con piattaforme diverse per vedere quale genera il miglior modello predittivo sui dati che non hai utilizzato per addestrare il modello (supponendo che questo sia ciò che alla fine vuoi fare). Ti consigliamo di provare cose in GenReg, alberi decisionali e persino reti neurali. È quindi possibile confrontare i modelli sui dati non utilizzati e vedere quale funziona meglio come modello di previsione.
Spero che questo ti aiuti. Buona fortuna!,
DS
