尝试通过包含序数数据来改进多元（连续数据）回归拟合您好 - 是否可以或建议尝试通过合并序数变量来改善多元线性回归模型的拟合度？我当前的模型包含 2 个连续解释变量和 1 个连续响应变量。我知道在现实世界中，序数变量确实很重要，并且明显影响响应变量......我只是不确定如何捕捉这种影响。就上下文而言，我正在建模（即预测）生态菌（响应变量）如何受到浊度（连续）、附近某些位置的降雨量（连续）以及其他无法改善模型拟合的变量的影响。然而，我知道，由于流域的初始冲刷，河流水位上升的点（称为上升阶段）通常含有较高的大肠杆菌，并且通常这个上升阶段的间隔甚至比高峰阶段含有更多的大肠杆菌。我们通过观察得知这一点。所以......理想情况下，应该在模型中捕获这些上升阶段的实例，并且似乎最好的方法是使用序数变量（例如快速上升= 2，缓慢上升= 1，无上升） ，非常缓慢的上升，或下降= 0）。到目前为止，一切都很好。但我不确定如何将其纳入我的“大肠杆菌”与“连续和有序变量”的预测模型中。对此有什么建议或方向吗？提前致谢。
数据探索和可视化回复：尝试通过包含序数数据来改进多元（连续数据）回归拟合谢谢斯塔曼。我会尝试一下。
回复：尝试通过包含序数数据来改进多元（连续数据）回归拟合我不太确定你的具体情况，但是是的，增量会随着时间的推移而变化。 连续变量总是更有用并且需要更少的数据。
回复：尝试通过包含序数数据来改进多元（连续数据）回归拟合这实际上是一个好主意，也是比我正在使用的更好的衡量标准。您在考虑增量上升/增量时间吗？
回复：尝试通过包含序数数据来改进多元（连续数据）回归拟合非常感谢迪德里希的投入。我会尝试一下。顺便说一下，我使用的是 JMP 版本 12.1。
回复：尝试通过包含序数数据来改进多元（连续数据）回归拟合为什么不将实际的上升/下降率作为连续变量来衡量而不是对其进行分类？
回复：尝试通过包含序数数据来改进多元（连续数据）回归拟合你好@learning_JSL ,
您运行的是哪个版本的 JMP 或 JMP Pro？
您可以毫无问题地合并序数数据。 您甚至可以包括上升阶段与浊度或降雨量的交叉项。 只需像平常一样将其添加到对话窗口中即可。 您可以练习使用 Big Class.jmp 数据表，使用年龄作为序数变量 - 我只是使用 PLS 模型个性来根据年龄、性别、体重和年龄*体重预测“身高”，仅作为示例。
话虽这么说，如果您建模的数据不是来自 DOE（听起来不像），您需要确保使用某种交叉验证技术来确保你没有过度拟合你的数据。 对我来说，听起来您正在尝试根据许多其他因素来预测水道中大肠杆菌的水平。 听起来这是一个很酷的问题，而且对公共卫生具有重要意义。
如果您有 Pro，您将希望在不同的平台上运行模型，以查看哪一个平台可以针对您未用于训练模型的数据生成最佳预测模型（假设这是您最终想要做的）。 您会想要尝试 GenReg、决策树，甚至神经网络。 然后，您可以比较未使用数据的模型，看看哪个最适合作为预测模型。
希望这可以帮助。 祝你好运！，
DS
