416329_es-ES

liliconcom

Intentando mejorar el ajuste de regresión multivariante (datos continuos) incluyendo también datos ordinales

Hola: ¿Es posible o aconsejable intentar mejorar el ajuste de mi modelo de regresión lineal múltiple incorporando también una variable ordinal?Mi modelo actual contiene 2 variables explicativas continuas y una variable de respuesta continua.Sé que en el mundo real la variable ordinal SÍ importa y claramente afecta la variable de respuesta ... No estoy seguro de cómo capturar ese efecto.Para el contexto, estoy modelando (es decir, prediciendo) cómo el ecoli (variable de respuesta) se ve afectado por la turbidez (continua), la lluvia en ciertas ubicaciones cercanas (continua) y otras variables que no mejoraron el ajuste del modelo.Sin embargo, sé que el punto en el que aumenta el nivel del río (conocido como etapa ascendente) generalmente contiene ecoli más altos debido al lavado inicial de la cuenca y, a menudo, este intervalo de etapa ascendente contiene más ecoli que incluso en la etapa pico.Sabemos esto por las observaciones.Entonces ... estas instancias de etapa ascendente deberían, idealmente, capturarse en el modelo, y parece que la mejor manera de hacerlo es usar una variable ordinal (por ejemplo, aumento rápido = 2, aumento lento = 1, sin aumento , subida muy lenta o bajada = 0).Hasta aquí todo bien.Pero no estoy seguro de cómo incorporar esto en mi modelo predictivo de "ecoli" frente a "variables continuas y ordinales".¿Alguna sugerencia o dirección sobre esto?Gracias por adelantado.   

AnalíticaRe: Intentar mejorar el ajuste de regresión multivariante (datos continuos) incluyendo también datos ordinales

Hola @Campbell_Ted_R ,

 

¿Qué versión de JMP o JMP Pro está ejecutando?

 

Puede incorporar los datos ordinales sin problema. Incluso puede incluir términos cruzados de etapa ascendente con turbidez o lluvia. Simplemente agréguelo en la ventana de diálogo como lo haría normalmente. Puede practicar el uso de la tabla de datos Big Class.jmp, usando la edad como una variable ordinal. Acabo de hacerlo con la personalidad del modelo PLS para predecir la "altura" en función de la edad, el sexo, el peso y la edad * peso, solo como ejemplo .

 

Dicho esto, si los datos que está modelando no eran de un DOE (lo que no parece ser), querrá asegurarse de utilizar algún tipo de técnica de validación cruzada para asegurarse de que no está sobreajustando sus datos. Para mí, parece que estás tratando de predecir los niveles de E. coli en las vías fluviales dependiendo de otros factores. Suena como un problema interesante en el que trabajar y de gran importancia para la salud pública.

 

Si tiene Pro, querrá ejecutar modelos con diferentes plataformas para ver cuál genera el mejor modelo predictivo en datos que no ha utilizado para entrenar el modelo (asumiendo que esto es lo que finalmente quiere hacer). Querrá probar cosas en GenReg, árboles de decisión e incluso redes neuronales. A continuación, puede comparar los modelos con los datos no utilizados y ver cuál funciona mejor como modelo de predicción.

 

Espero que esto ayude. ¡Buena suerte!,

DS

Re: Intentar mejorar el ajuste de regresión multivariante (datos continuos) incluyendo también datos ordinales

¿Por qué no mide la tasa real de subida / bajada como una variable continua en lugar de categorizarla?

Re: Intentar mejorar el ajuste de regresión multivariante (datos continuos) incluyendo también datos ordinales

Muchas gracias por el aporte Diedrich.Lo probaré.Por cierto, estoy usando JMP versión 12.1.