Imputazione per i dati nominaliCiao a tutti.
Vorrei sapere se è possibile imputare i dati per i dati nominali mancanti.
So come farlo per i dati continui, ma per i categorici non ho trovato nulla nel software.
Grazie in anticipo!
Miscelazione e pulizia dei datiRe: Imputazione per i dati nominaliSono d'accordo con tutto ciò @Mark_Bailey ha condiviso. Per aggiungere i miei due centesimi, se non si dispone di JMP Pro, ecco un'idea da considerare dove non è necessario richiamare le informazioni mancanti in una finestra di specifica della finestra di dialogo della piattaforma, ma ottenere l'equivalente morale di detta invocazione nella modellazione analisi ... la "mancanza" sarà in qualche modo nascosta e non visualizzata in modo così efficiente/ordinato nelle visualizzazioni tabulari o dei dati ... ma sarà lì.
Prima una piccola spiegazione di come JMP gestisce la "mancanza" per variabili/effetti nominali. In generale il concetto è chiamato "mancanza informativa" in tutto l'ecosistema JMP. La presunzione principale rispetto alla mancanza di informazioni è che ci sono INFORMAZIONI all'interno del sistema di studio che portano alla mancanza dell'osservazione. Forse una causa sottostante? Comunanza? O variabile comune in agguato che porta all'osservazione mancante?
Ad esempio, supponiamo che si debba esaminare un gruppo di pescatori su quanti pesci hanno catturato e si stia tentando di modellare gli effetti che influenzano il numero di pesci catturati. Nel sondaggio una delle domande è 'metodo di pesca'. E ci sono tre opzioni tra cui gli intervistati possono scegliere; 1. traina, 2. spin casting, 3. pesca al colpo. Agli intervistati viene data la possibilità di lasciare un campo vuoto... cioè ora "manca" all'interno dell'osservazione. Supponiamo ora che per qualche motivo gli intervistati che tendono ad avere il maggior numero di pesci catturati siano anche quelli che hanno scelto di NON RISPONDERE ALLA DOMANDA. E questo ha un senso, vero? I pescatori sono noti per mantenere i loro segreti, quindi ci sono informazioni scritte nello studio quando gli intervistati omettono la risposta. Quindi ora si vorrebbe provare a capire il meccanismo alla base del motivo per cui mancano i dati per comprendere meglio l'intero sistema.
Ora ecco il mio suggerimento all'interno di JMP. Se sei disposto a presumere che ci siano informazioni nella "mancanza" ... e questa è una grande presunzione ... allora puoi sostituire le celle mancanti con un valore nominale del valore psuedo che è comune in ogni cella mancante. Ai fini dell'analisi, la mancanza di informazioni in JMP/JMP Pro generalmente tratta la mancanza come un altro livello della variabile nominale. Quindi sarà incluso in tutti gli effetti che includono quel termine. Ecco la documentazione di JMP relativa alle informazioni mancanti all'interno della piattaforma di partizione che NON fa parte di JMP Pro. Quindi assicurati di esaminare attentamente ogni finestra delle specifiche di dialogo della piattaforma di modellazione che stai pensando di utilizzare ... dopotutto potresti NON dover fare confusione con la tua tabella di dati:
https://www.jmp.com/support/help/en/15.2/#page/jmp/informative-missing-2.shtml
Re: Imputazione per i dati nominaliNon conosco con certezza le differenze tra JMP e JMP Pro per quanto riguarda il supporto per l'imputazione o la gestione del valore mancante. Sono sicuro di quello che ho postato in precedenza. È possibile contattare il supporto tecnico di JMP ( support@jmp.com ) per risposte più dettagliate.
Potresti voler vedere questo aggiungere , pure.
Nota: chiaramente non ho scritto la documentazione!
Re: Imputazione per i dati nominaliGrazie per la risposta, @Mark_Bailey
Quindi .. all'interno della finestra di dialogo Adatta modello, probabilmente userei questi:
- regressione lineare semplice e multipla
- regressione logistica nominale e ordinale
- minimi quadrati parziali
La mia versione di JMP non è quella Pro, quindi c una versione di JMP 15.1 imputa i dati per i valori nominali mancanti, in base alle piattaforme qui descritte?
Nota: ho capito il tuo punto di vista sul dialogo rispetto alla piattaforma, ma nella sezione della Guida che hai condiviso, è scritto
"Usando il Piattaforma Fit Model , puoi specificare modelli complessi in modo efficiente".
Distinti saluti
Re: Imputazione per i dati nominaliFit Model non è una piattaforma. È una finestra di dialogo utente per specificare l'avvio di molte piattaforme diverse. Puoi iniziare Qui nel sistema della Guida di JMP e trova la piattaforma che intendi utilizzare. Dovrebbe indicare nella sezione per avviarlo o nella sezione sulle opzioni come gestisce i valori mancanti.
La piattaforma neurale in JMP Pro supporta la "mancanza informativa" anziché l'imputazione. La piattaforma è documentata Qui .
La piattaforma del processo gaussiano in JMP Pro consente predittori categorici ma non fornisce né imputazione né informazioni mancanti, quindi tali osservazioni sono escluse.
Re: Imputazione per i dati nominaliGrazie, @Mark_Bailey
Non ne avevo idea!
In realtà ho diverse opzioni per analizzare i miei dati e vorrei confrontare le risposte fornite da diverse piattaforme come:
Modello adatto
Modello predittivo - Neurale
Modellazione specializzata - Processo gaussiano
Sai se è possibile imputare utilizzando queste piattaforme?
Se sì, per favore dimmi come. 
Grazie ancora!
Re: Imputazione per i dati nominaliJMP imputa i valori categorici mancanti. I metodi di assegnazione potrebbero dipendere dall'analisi o dal modello dei dati, pertanto JMP non fornisce una funzione di assegnazione separata per la tabella dati. L'imputazione viene eseguita dalle piattaforme di analisi. Quale piattaforma intendi utilizzare?
