順序データも含めることにより、多変量（連続データ）回帰適合を改善しようとしていますこんにちは-順序変数も組み込むことによって、多重線形回帰モデルの適合性を改善することを試みることは可能または推奨されますか？私の現在のモデルには、2つの連続説明変数と1つの連続応答変数が含まれています。現実の世界では、順序変数が重要であり、応答変数に明確に影響することを知っています...その効果をどのようにキャプチャするかがわかりません。コンテキストとして、濁度（連続）、特定の近くの場所の降雨量（連続）、およびモデルの適合性を改善しなかったその他の変数によって、大腸菌（応答変数）がどのように影響を受けるかをモデル化（つまり予測）しています。ただし、河川水位が上昇するポイント（上昇段階と呼ばれる）には、通常、流域からの最初の洗い流しにより高い大腸菌が含まれ、この上昇段階の間隔には、ピーク段階よりも多くの大腸菌が含まれることがよくあります。これは観察からわかります。したがって、これらの上昇段階のインスタンスは、理想的にはモデルにキャプチャする必要があります。これを行うための最良の方法は、順序変数を使用することであるようです（たとえば、急激な上昇= 2、遅い上昇= 1、上昇なし、非常に遅い上昇、または下降= 0）。ここまでは順調ですね。しかし、これを「大腸菌」と「連続変数と順序変数」の予測モデルにどのように組み込むかはわかりません。これに関する提案や方向性はありますか？前もって感謝します。
分析Re：順序データも含めることにより、多変量（連続データ）回帰適合を改善しようとしていますやあ@Campbell_Ted_R 、
どのバージョンのJMPまたはJMPProを実行していますか？
順序データを問題なく組み込むことができます。 濁度や降雨を伴う上昇段階の交差項を含めることもできます。 通常どおり、ダイアログウィンドウに追加するだけです。 順序変数として年齢を使用して、Big Class.jmpデータテーブルを使用して練習できます。例として、年齢、性別、体重、年齢*体重に基づいて「身長」を予測するためにPLSモデルのパーソナリティを使用しました。 。
そうは言っても、モデリングしているデータがDOEからのものではない場合（そうではないように聞こえます）、何らかの相互検証手法を使用して、データを過剰適合させていません。 私には、他の多くの要因に応じて、水路の大腸菌のレベルを予測しようとしているように思えます。 取り組むべきクールな問題のように聞こえ、公衆衛生上非常に重要です。
Proを使用している場合は、さまざまなプラットフォームでモデルを実行して、モデルのトレーニングに使用していないデータに対してどのプラットフォームが最適な予測モデルを生成するかを確認する必要があります（これが最終的に実行したいことであると想定しています）。 GenReg、デシジョンツリー、さらにはニューラルネットで試してみることをお勧めします。 次に、未使用のデータのモデルを比較して、予測モデルとして最適なモデルを確認できます。
お役に立てれば。 幸運を！、
DS
Re：順序データも含めることにより、多変量（連続データ）回帰適合を改善しようとしています実際の上昇/下降率を分類するのではなく、連続変数として測定してみませんか？
Re：順序データも含めることにより、多変量（連続データ）回帰適合を改善しようとしていますディードリッヒの入力に感謝します。やってみます。ちなみに、私はJMPバージョン12.1を使用しています。
