Diferentes soluciones al codificar manualmente mis efectos de interacción versus agregarlos a través de la opción cruzada en el cuadro de diálogo de modelos de ajuste.Queridos potenciales salvadores
Recientemente he tenido algunas inconsistencias en JMP dependiendo de cómo aborde exactamente el problema. Cuando codifico manualmente la interacción de una variable numérica y una variable ficticia (es decir, las multiplico), no obtengo la misma solución que cuando simplemente especifico en el cuadro de ajuste del modelo que quiero cruzar estos efectos. Además, cuando hice lo mismo en R, no me parece el mismo comportamiento y los dos resultados son idénticos, lo que me lleva a sospechar que no fue la codificación manual de la variable lo que salió mal, sino que es una peculiaridad relacionada con JMP (estoy usando un paquete que usa el paquete lme4 o la variante robusta del mismo, ninguno de ellos muestra este comportamiento extraño).
Gracias de antemano por su ayuda y respuestas.
Trabajar
Exploración y visualización de datosCompartir y comunicar resultadosRe: Soluciones diferentes al codificar manualmente mis efectos de interacción versus agregarlos a través de la opción cruzada en el cuadro de diálogo de modelos de ajuste.Por favor vea esta explicación de la modelos de factores utilizado en la plataforma Fit Least Squares. Hay más de una forma de codificar los niveles del regresor.
Re: Soluciones diferentes al codificar manualmente mis efectos de interacción versus agregarlos a través de la opción cruzada en el cuadro de diálogo de modelos de ajuste.Gracias por proporcionar el enlace. Después de un poco de excavación encontré la solución. La razón es el centrado automático de las variables antes de combinarlas para una interacción. Cuando desactivo esta opción, la solución vuelve a ser la misma. Sin embargo, todavía me hace preguntarme cómo debería interpretarse. Los valores de p ni siquiera están cerca (pasa de ser claramente significativo a nada significativo). ¿Cuál es la razón por la que se centra como una opción estándar? ¿Deberían considerarse los valores p como referentes a otra hipótesis y, de ser así, cuál? En mi opinión, una transformación lineal como restar la media no debería tener este efecto.
Re: Soluciones diferentes al codificar manualmente mis efectos de interacción versus agregarlos a través de la opción cruzada en el cuadro de diálogo de modelos de ajuste.Gracias por proporcionar el enlace. Después de un poco de excavación encontré la solución. La razón es el centrado automático de las variables antes de combinarlas para una interacción. Cuando desactivo esta opción, la solución vuelve a ser la misma. Sin embargo, todavía me hace preguntarme cómo debería interpretarse. Los valores de p ni siquiera están cerca (pasa de ser claramente significativo a nada significativo). ¿Cuál es la razón por la que se centra como una opción estándar? ¿Deberían considerarse los valores p como referentes a otra hipótesis y, de ser así, cuál? En mi opinión, una transformación lineal como restar la media no debería tener este efecto.
Re: Soluciones diferentes al codificar manualmente mis efectos de interacción versus agregarlos a través de la opción cruzada en el cuadro de diálogo de modelos de ajuste.Hola @JobbeGoossens ,
JMP realiza un centrado automático de las variables cuando hay interacciones para evitar problemas de multicolinealidad entre el término de interacción y los términos de las variables involucradas en la interacción.
Puedes ver el ejemplo comparativo que hice para un tema similar en la Comunidad:
https://community.jmp.com/t5/Discussions/Stepwise-model-question/mp/591848/highlight/true#M79593
El centrado automático es en realidad la forma más segura de evaluar interacciones y calcular estimaciones de parámetros, ya que reduce la multicolinealidad con las principales variables involucradas en la interacción, por lo que reduce la varianza de las estimaciones de parámetros de interacciones, lo que da como resultado pruebas de significación más confiables y precisas.
Espero que esta respuesta te ayude,Re: Soluciones diferentes al codificar manualmente mis efectos de interacción versus agregarlos a través de la opción cruzada en el cuadro de diálogo de modelos de ajuste.Como dice Victor... Aquí está la razón JMP:
https://www.jmp.com/support/notes/37/925.html
Re: Soluciones diferentes al codificar manualmente mis efectos de interacción versus agregarlos a través de la opción cruzada en el cuadro de diálogo de modelos de ajuste.Hola @JobbeGoossens ,
Tiene mucho sentido por qué este resultado parecería misterioso, y es una pregunta que surge mucho, no solo en el contexto de jmp. En caso de que ayude, quiero vincularlo a otra discusión donde publiqué un vídeo y explicación eso demuestra cómo centrar los polinomios afecta la interpretación de los términos de orden inferior, lo que debería ayudar a explicar por qué los valores p son tan diferentes (están probando algo diferente).
https://community.jmp.com/t5/Discussions/estimates-in-multipule-regression/mp/10965/highlight/true#M10565
¡Espero que esto ayude!
@Julian
