緊急の質問: リグレッサーのセンタリング - 助けてください親愛なるコミュニティへ
非常に緊急の質問があります。 従属変数から外れ値を除外する前または後に、リグレッサをセンタリングしますか? 従属変数の外れ値であるデータポイント、それらのリグレッサーの値は、それを中央に配置するために使用されるリグレッサーの平均に含まれないため、リグレッサーの平均が変更されます。 どの順序で行うべきかという規則はありますか?
私の質問を正しく言葉で表現できれば幸いです。
すべてのヒントに感謝します。
Re: 至急の質問: センタリング リグレッサー - 助けてくださいわかりました、ランダム効果は私が見逃していたものでした。とにかく、JMPを使用してそれらを元のロジスティック回帰に組み込むことはできません。SAS (PROC GLIMMIX) または R でそれを行うことができます。オフセット パラメータを使用した Box-Cox のソフトウェア実装があると確信していますが、JMP はそれを行いません。変換が役立つかどうかを確認するためだけに Box-Cox が必要な場合は、それらに 4 を追加します。1 から 7 までの 7 段階のリッカート スケールは、-3 から 3 までと同じくらい意味があるため、このデータでそれを行うことは実際には理にかなっています。私はこれらの応答の通常の最小二乗モデルを調べましたが、非正規性は、スチューデント化された残差を通常の分位点プロットにプロットすることで実際にはそれほど悪くはありません。変換に関しては何もせず、応答をそのまま使用します。
Re: 至急の質問: センタリング リグレッサー - 助けてくださいお時間をいただき、詳細なご回答をいただき、誠にありがとうございました。 参加者とアイテム番号の両方を変量効果 (切片のみ) として線形混合モデルに適合させたいと考えています。 行番号で傾向を説明できませんが、今のところ keeyresp でソートされているためでしょうか?上司は、技術的には序数ですが、序数データに対して LMM を実行するように勧めました。 resp.val のすべてのモデルをさまざまな変換で計算し、残差を保存しました。 すべてが正規分布に従っているわけではないので、正規分布は少なくとも推奨事項の 3 番目にあるため、log を使用します。 または、値に定数を追加せずに Box Cox を計算して正の値にする方法はありますか?
残念ながらファイルを添付できません。
Re: 至急の質問: センタリング リグレッサー - 助けてください投稿していただきありがとうございます。それは多くの混乱を解消します。この場合、rating.response を含む高次効果のモデル化を求めていないため、センタリングは何もしません。
rating.response との相互作用を含めた場合、その効果との相互作用が平均評価によって中央に配置されることがわかります。
その反応が高度に非正規であることに気付いたと思います。Box-Cox プロットに基づいて、値 -0.5 (平方根の逆数) を使用した累乗変換をお勧めします。独立性にも問題があります。とても行の順序に従う残差の明らかな傾向 (行の順序は時間の順序に対応していますか?)。そこで何が起こっているのかはわかりませんが、それは対処されるべき大きな問題です.この残差プロットは、変換の問題を示していますが、変換前にも確認できます。
追加の効果として行順列を追加すると、それを説明できます (まだいくつかの大きな問題が残っています)。ただし、行の順序は、文字通り、統計的に有意な唯一の効果です。 
では、2 番目の質問です。技術的には、応答の序数データがあります。7 ポイント スケールでは、連続として扱うことで問題を回避できる場合もありますが、実行できる適切な変換はおそらくないでしょう。その応答を分析するより技術的に正しい方法は、順序ロジスティック回帰です。そのためには、これらの応答のモデリング タイプを「序数」にします。モデルの適合は、順序ロジスティック回帰にデフォルト設定する必要があります。固定効果に同じモデルを指定できます。このモデルは、各評価値の確率を出力します。
使用したスクリプトをテーブルに保存しました。
Re: 至急の質問: センタリング リグレッサー - 助けてくださいファイルを添付しました。 kongruenz=1 と neg2=0 による key_resp_1.rt von Teilmenge von Data_total とその相互作用を分析したいと思います。評価 zentr は、センタリングについて私が尋ねたリグレッサーです。
データ変換に関する質問は、同じ固定効果を持つ従属変数として rating_val1.response を 2 回目の分析するためのものです。 rating_2.response についても同様です。
私は逆数変換をしたかったのですが、これは値が 0 であるために良くありませんか?定数を追加すると、効果が完全に変わります。 ここで、log と squrt を比較します。 私の上司は、負の値を持つときは二次変換を使用すべきではないと私に言いました。最初に定数を追加したとき、それはsqurtにも当てはまりますか？
応援して下さり、本当に本当にありがとうございます。
Re: 至急の質問: センタリング リグレッサー - 助けてください使用しているデータを投稿できますか？知的財産に関する懸念がある場合は、列に一般的な名前を付けることができます。あなたが何を扱っているかを見ることができれば、あなたを助けるのはずっと簡単だと思います.
Re: 至急の質問: センタリング リグレッサー - 助けてくださいその後、データを分割してペアごとの比較に対応させ、一方のサブグループと他方のサブグループで主効果がどのように機能するかを示しました。 私は2x2のデザインを持っています。 もう 1 つの質問は、最適な変換を見つける必要があるということです。 Box Cox 検定は、jmp ではあまり役に立ちません。正のデータ (Fit Model の標準最小二乗法) にしか使用できないためです。ただし、負の値と正の値の両方があります。 ここで、log、squarert、reciprocal (1+minimum を追加した後) をデータに比較します。 私はすでに肯定化されたデータで Box-Cox を試しましたが、データに異なる定数を追加するたびに異なる値を取得するので、これはあまり合理的ではないと感じています。
Re: 至急の質問: センタリング リグレッサー - 助けてください特に何もする必要はありません。このオプションがオンになっていることを確認したい場合は、[モデルの適合] のダイアログ ウィンドウにある赤い矢印のメニューを見てください。"Center Polynomials" がチェックされているはずです。主効果は中心化されませんが、交互作用と二次項になります。センタリングの利点を得るために必要なのはそれだけです。
「線形混合回帰」の意味がよくわかりません。連続因子とカテゴリ因子があるということですか？それは、固定効果とランダム効果の混合を意味すると理解されるかもしれないからです。いずれにせよ、インタラクションを解決するためにデータを分割する必要性がわかりません。もう少し説明していただけますか？すべての相互作用を 1 つのモデルで直接モデル化できる必要があります。
Re: 至急の質問: センタリング リグレッサー - 助けてくださいご回答有難うございます。 私はそれらを手動でセンタリングしますが、フィットモデルを使用するときにjmpにそれをさせるにはどうすればよいですか? Anova のような線形混合回帰モデルを使用します。 そのため、インタラクションを解決するために、2 番目のステップでデータを分割します。 グループを分離するためにリグレッサーを中央に配置しますか? これは無許可ですが、数学的には合理的だと思います。
Re: 至急の質問: センタリング リグレッサー - 助けてください数学的には、モデルを適合させるために実際に使用されているデータ (つまり、外れ値を取り除いた後) に集中する方が理にかなっています。ポイントは、モデル内の高次項との共線性を減らすことです。これにより、各モデル係数の t 検定の検出力が増加します (同様に、関連するパラメーター推定値の信頼区間が短くなります)。もう 1 つの潜在的な理由は、パラメーター推定値の特定の解釈を持つことです。ほとんどの場合、外れ値の有無にかかわらず効果を中央に配置してもほとんど違いはありません。これは、高次の項との相関関係が大幅に変化しないためです。
興味深いことに、それらを手動でセンタリングしていますか?その場合は、JMP が処理してくれるので、実際にはその必要はありません。モデルの適合では、デフォルトのオプションは多項式を中央に配置することです。
