상호작용 효과를 수동으로 코딩하는 것과 피팅 모델 대화 상자에서 교차 옵션을 통해 추가하는 것은 서로 다른 솔루션입니다.사랑하는 잠재적 구세주 여러분
최근에 JMP에서 문제를 정확히 어떻게 해결하느냐에 따라 약간의 불일치가 있었습니다. 숫자형 변수와 더미 변수의 상호 작용을 수동으로 코딩할 때(즉, 두 변수를 곱할 때), 적합 모델 상자에서 이러한 효과를 교차시키고 싶다고 지정할 때와 동일한 솔루션을 얻지 못했습니다. 게다가 R에서 동일한 작업을 했을 때 동일한 동작이 나타나지 않았고 두 결과가 동일하여 변수의 수동 코딩이 잘못된 것이 아니라 JMP와 관련된 특이성이라고 의심하게 되었습니다(저는 lme4 패키지나 그 강력한 변형을 사용하는 패키지를 사용하고 있는데, 어느 것도 이런 이상한 동작을 보이지 않았습니다.).
도움과 답변에 미리 감사드립니다
일하다
데이터 탐색 및 시각화결과 공유 및 전달Re: 내 상호 작용 효과를 수동으로 코딩할 때와 피팅 모델 대화 상자의 교차 옵션을 통해 추가할 때 솔루션이 다릅니다.이 설명을 참조하십시오 요인 모델 Fit Least Squares 플랫폼에서 사용됩니다. 회귀 수준을 코딩하는 방법은 여러 가지가 있습니다.
Re: 내 상호 작용 효과를 수동으로 코딩할 때와 피팅 모델 대화 상자의 교차 옵션을 통해 추가할 때 솔루션이 다릅니다.링크를 제공해 주셔서 감사합니다. 약간의 파기 끝에 해결책을 찾았습니다. 그 이유는 상호 작용을 위해 변수를 결합하기 전에 변수를 자동으로 중앙에 배치하기 때문입니다. 이 옵션을 비활성화해도 솔루션은 다시 동일합니다. 그러나 여전히 그것을 어떻게 해석해야 하는지 궁금합니다. p-값은 가깝지도 않습니다(분명히 유의한 수준에서 전혀 유의하지 않은 수준으로 이동). 이것이 표준 옵션으로 중심에 있는 이유는 무엇이며 p-값이 다른 가설과 관련된 것으로 간주되어야 하며 그렇다면 어떤 가설입니까? 제 생각에는 평균을 빼는 것과 같은 선형 변환이 이러한 효과를 가져서는 안 됩니까?
Re: 내 상호 작용 효과를 수동으로 코딩할 때와 피팅 모델 대화 상자의 교차 옵션을 통해 추가할 때 솔루션이 다릅니다.링크를 제공해 주셔서 감사합니다. 약간의 파기 끝에 해결책을 찾았습니다. 그 이유는 상호 작용을 위해 변수를 결합하기 전에 변수를 자동으로 중앙에 배치하기 때문입니다. 이 옵션을 비활성화해도 솔루션은 다시 동일합니다. 그러나 여전히 그것을 어떻게 해석해야 하는지 궁금합니다. p-값은 가깝지도 않습니다(분명히 유의한 수준에서 전혀 유의하지 않은 수준으로 이동). 이것이 표준 옵션으로 중심에 있는 이유는 무엇이며 p-값이 다른 가설과 관련된 것으로 간주되어야 하며 그렇다면 어떤 가설입니까? 제 생각에는 평균을 빼는 것과 같은 선형 변환이 이러한 효과를 가져서는 안 됩니까?
Re: 내 상호 작용 효과를 수동으로 코딩할 때와 피팅 모델 대화 상자의 교차 옵션을 통해 추가할 때 솔루션이 다릅니다.안녕 @JobbeGoossens ,
JMP는 상호 작용이 있을 때 상호 작용 항과 상호 작용에 포함된 변수 항 사이의 다중 공선성 문제를 방지하기 위해 변수를 자동으로 중앙에 배치합니다.
커뮤니티에서 유사한 주제에 대해 수행한 비교 예를 볼 수 있습니다.
https://community.jmp.com/t5/Discussions/Stepwise-model-question/mp/591848/highlight/true#M79593
자동 센터링은 실제로 상호 작용을 평가하고 매개 변수 추정치를 계산하는 가장 안전한 방법입니다. 상호 작용에 관련된 주요 변수와의 다중 공선성을 줄임으로써 상호 작용 매개 변수 추정치의 분산을 줄여 보다 안정적이고 정확한 유의성 테스트를 수행할 수 있습니다.
이 답변이 도움이 되길 바라며,Re: 내 상호 작용 효과를 수동으로 코딩할 때와 피팅 모델 대화 상자의 교차 옵션을 통해 추가할 때 솔루션이 다릅니다.Victor가 말했듯이...JMP 이유는 다음과 같습니다.
https://www.jmp.com/support/notes/37/925.html
Re: 내 상호 작용 효과를 수동으로 코딩할 때와 피팅 모델 대화 상자의 교차 옵션을 통해 추가할 때 솔루션이 다릅니다.안녕 @JobbeGoossens ,
이 결과가 불가사의하게 보이는 이유는 매우 이치에 맞으며 jmp의 맥락에서만이 아니라 많이 나오는 질문입니다. 도움이 된다면 제가 게시한 다른 토론에 연결하고 싶습니다. 영상과 설명 센터링 다항식이 하위 항의 해석에 어떻게 영향을 미치는지 보여줍니다. 이는 p-값이 왜 그렇게 다른지 설명하는 데 도움이 됩니다(그들은 다른 것을 테스트하고 있습니다).
https://community.jmp.com/t5/Discussions/estimates-in-multipule-regression/mp/10965/highlight/true#M10565
이게 도움이 되길 바란다!
@줄리안
