Salut. Je suis un nouvel utilisateur de JMP version 16.0. J'utilise les scores des élèves pour analyser les scores de prédiction. J'utilise le Fit-to-Model. Il y a des données où les étudiants sont absents pendant le test. Ainsi, je laisse le score sous la forme d'un caractère tel que 'ABS', défini comme numérique - continu au niveau de la colonne.
Je développe un modèle linéaire pour analyser la prédiction et les résultats sont calculés avec succès par JMP. Je me demande comment s'effectue le traitement des données absentes/manquantes ? J'ai essayé de chercher un manuel JMP pour comprendre la méthode, mais je n'en trouve aucun.
Il y a 2 cas où j'aimerais comprendre le traitement des données manquantes. Veuillez vous référer à la pièce jointe pour plus de détails.
Cas 1 : lors du calcul de la prédiction pour le t actuel (t=temps) et que le score d'absence est au temps t.
Cas 2 : lors du calcul de la prédiction pour le prochain t (t=temps) et que le score d'absence est au cours du t précédent.
Le modèle linéaire est ;
Yijt = Moyenne générale + <élève i> + + <(sujet*test)jt> + <(élève*sujet)ij> + εijt
Je joins le PDF pour expliquer la simulation, et les données opérationnelles pour l'analyse JMP avec ses résultats.
Merci pour votre aide et vos conseils avisés. S'il existe un manuel utile ou équivalent pour comprendre le traitement, n'hésitez pas à le partager avec moi. C'est très apprécié. Merci.
Vous pouvez voir dans le rapport que JMP n'utilise pas "les valeurs manquantes", c'est-à-dire que seules 31 ou 23 observations sont utilisées pour le modèle.
Essayez simplement de remplacer la valeur manquante par une valeur non manquante et vous verrez la différence.
BTW, il y a une description détaillée pour Fit Model : Modèle adapté (jmp.com)
Pour la modélisation, JMP (et d'autres logiciels) n'ont pas besoin d'une matrice de résultats entièrement occupée. C'est une sorte d'"interpolation". Vous pouvez également le voir en activant le contrôle d'extrapolation dans Predction Profiler, puis en passant au réglage des paramètres avec une valeur manquante.
