Wie man kategoriale Variablen vergleichtHallo allerseits,
/* Verwendung von JMP 14.1.0 */
Meine Frage heute ist einfach, aber alle ähnlichen Themen, die ich gefunden habe, haben nur auf komplexere Themen geantwortet, also bin ich hier.
Ich vergleiche kategoriale Variablen aus verschiedenen Prozessbedingungen, sagen wir Prozess eins und Prozess zwei.Für jeden Prozess werden die Items getestet und einer kategorialen Klasse zugeordnet (z. B. gut, schlecht, mittel usw.).Für eine bestimmte Klasse würde ich gerne wissen, ob der Gesamtprozentsatz der Items statistisch unterschiedlich ist. ZB ist das Verhältnis der „guten“ Items für Prozess eins statistisch anders als das Verhältnis der „guten“ Items für Prozess zwei. Beide Prozesse haben eine ähnliche Stichprobengröße von etwa 300.
Ich habe versucht, die Fit Y by X-Plattform zu verwenden und Klasse nach Prozess zu zeichnen. In den verschiedenen verfügbaren Analysen vermute ich, dass die, die ich brauche, die "Analyse von Korrespondenzen" ist (unter Verwendung von jmp in einer anderen Sprache, möglicherweise keine genaue Übersetzung), die mir ein Diagramm liefert, in dem 'c1' von 'c2' dargestellt wird. Ich vermute, der c1-Wert für jede Klasse gibt mir eine Information darüber, ob sie sich statistisch von einem Prozess zum anderen unterscheiden, bin mir aber nicht sicher, in welche Richtung es geht.
Irgendwelche Erkenntnisse?
Re: Wie man kategorische Variablen vergleichtHallo, ich habe auch ein Prolem,
Ich versuche, kategoriale Verbraucherforschung über jmp durchzuführen, ich habe 8 verschiedene Zeilen und 10 verschiedene Spalten. Ich möchte sowohl die Signifikanz in jeder Spalte für jede Zeile als auch die Signifikanz zwischen den Zeilen für jede Spalte sehen. Ich meine, es gibt Buchstaben, die nur für jede Spalte von Bedeutung sind, aber ich möchte die Buchstaben sowohl unter jeder Spalte als auch unter jeder Zeile sehen.Wie kann ich sie alle auf dieser Seite sehen?
Re: Wie man kategorische Variablen vergleichtAus Sicht der Statistik und Modellierung ist Ihre Situation genau die gleiche. Stellen Sie sicher, dass Sie den Modellierungstyp Ihrer Antwort in Ordinal ändern und die Spalteneigenschaft Wertereihenfolge hinzufügen, um die richtige Reihenfolge festzulegen. Ihr Faktor (Sorte) sollte den nominalen Modellierungstyp verwenden.
Re: Wie man kategorische Variablen vergleichtHallo, ich habe keine Antwort, aber eine weitere Frage zum gleichen Thema.
Wir testen die Krankheitsreaktion verschiedener Sorten von Olivenbäumen. Wir haben kategoriale Antworten (Level 0, Level 1, Level 2....) und 10 verschiedene Varianten.
Wir haben Häufigkeiten des Infektionsgrades für jede Sorte erhalten. Gibt es eine Möglichkeit, die Unterschiede zwischen allen Sorten zu testen (wenn sich Stufe 1 für Sorte 1 von Sorte 2 unterscheidet, Sorte 3...) oder müssen wir Sorten Paar für Paar testen?
Vielen Dank
Re: Wie man kategorische Variablen vergleichtSie haben also eine multinomiale kategoriale Antwort, Ergebnis = {gut, schlecht, mittel usw.), und einen kategorialen Faktor, Prozess = {eins, zwei}. Die Antwort sollte den ordinalen Modellierungstyp verwenden. Der Faktor sollte den nominalen Modellierungstyp verwenden. Beginnen Sie mit „Analysieren“ > „Y nach X anpassen“, und weisen Sie „Ergebnis“ der Rolle „Y“ und „Prozess“ der Rolle „X“ zu. Diese Einrichtung startet die Contingency-Plattform. Die Standardanalyse stellt den Pearson- und den Likelihood-Ratio-Chi-Quadrat-Test bereit, wobei kein Zusammenhang angenommen wird.
Die Korrespondenzanalyse ist eine grafische Analyse zur Unterstützung der Interpretation des Zusammenhangs, wenn die Tests darauf hindeuten, dass ein signifikanter Zusammenhang besteht. Es ist eine Form von „Biplot“, die es ermöglicht, zwei verschiedene Variablen (Ergebnis, Prozess) zusammen darzustellen. Der Ursprung basiert auf dem Schwerpunkt und die beiden Dimensionen maximieren die Unterschiede in den Abständen zwischen den Zeilen und Spalten der Kontingenztabelle. Der EINZIGE Aspekt, der wichtig und zuverlässig ist, ist die Richtung weg vom Ursprung. Die Distanzen sind nicht vergleichbar. Wenn also eine Zeilenebene und eine Spaltenebene in derselben Richtung vom Ursprung entfernt sind, besteht eine starke positive Assoziation zwischen diesen beiden Ebenen. Wenn sie in entgegengesetzten Richtungen vom Ursprung entfernt sind, besteht eine starke negative Assoziation zwischen ihnen. Die Korrespondenzanalyse stellt keinen Hypothesentest dar. Verwenden Sie für solche Entscheidungen die Chi-Quadrat-Tests.
