Travailler avec des données imputées dans JMP - Elastic NetSalut tout le monde,
Je travaille avec un ensemble de données qui a fait l'objet d'imputations multiples dans stata. J'essaie de faire une régression nette élastique sur l'ensemble de données dans JMP car Stata ne semble pas prendre en charge le réseau élastique dans sa commande d'estimation par imputation multiple.
Je me demandais si JMP avait un moyen d'identifier les données en tant que données MI, ou est-ce même important ? La commande miestimate dans stata effectue un processus combiné d'analyse et de pooling. Est-il approprié d'exécuter simplement l'ensemble de données brutes imputées via un réseau élastique sans la phase d'analyse et de mise en commun ? J'apprécie toute aide et toute idée que les gens peuvent fournir.
Mélange et nettoyage des donnéesModélisation prédictive et apprentissage automatiqueles fenêtresRe : Travailler avec des données imputées dans JMP - Elastic NetSalut, j'ai le même problème. J'ai un ensemble de données qui a fait l'objet d'imputations multiples dans SPSS. SPSS reconnaît un ensemble de données à imputations multiples. Cependant, il n'effectue que des analyses univariées telles que des corrélations et des tests t pour chacune des données imputées et sur les données regroupées, mais il n'effectue pas d'analyses multivariées telles qu'une ANOVA avec des mesures répétées. Il exécute toujours les données imputées mais pas les données regroupées. J'espérais pouvoir le faire dans JMP/SAS mais le manque de réponse à votre email après 86 vues n'est pas encourageant.
Re : Travailler avec des données imputées dans JMP - Elastic NetJe n'ai pas de solution pour Elastic Net mais @BTD , vous pouvez envisager d'utiliser le maximum de vraisemblance (FIML) au lieu de l'imputation multiple (MI) pour votre analyse multivariée. FIML est l'estimateur par défaut dans le Modèles d'équations structurelles plate-forme dans JMP Pro lorsqu'il manque des données et étant donné que vous disposez de données de mesures répétées, vous souhaiterez peut-être examiner cet exemple d'un modèle de courbe de croissance latente (fait des hypothèses moins strictes sur les données que RM ANOVA).
En remarque, Cet article compare FIML et MI et affirme que,
"Notre étude a confirmé des connaissances bien connues selon lesquelles les deux estimateurs ont tendance à produire des résultats essentiellement équivalents entre eux et à ceux de l'analyse de données complètes lorsque le modèle postulé est correctement spécifié."
HTH,
~Laura
Re : Travailler avec des données imputées dans JMP - Elastic NetSalut, j'ai le même problème. Ma MANOVA à mesures répétées est calculée par JMP, mais uniquement comme si l'échantillon s'était multiplié via l'ensemble de 100 données imputées dans une feuille de calcul, plutôt que pour l'ensemble de données regroupées. Ce serait formidable si cela pouvait être mis en œuvre - en fait, je pense que c'est un must - et qu'un webinaire enregistré puisse être mis à disposition.
Re : Travailler avec des données imputées dans JMP - Elastic NetJ'ai découvert que JMP peut considérer le nom de la variable d'imputation comme tel. Sur la page Web https://www.jmp.com/support/help/en/17.2/?os=win&source=application#page/jmp/launch-the-explore-missing-values-platform.shtml# pour gérer plusieurs données d'imputation, il existe une fenêtre de validation qui accepte la variable SPSS « imputation_ » comme entrée valide et produit un rapport de données manquantes.
Cette fenêtre de validation pour la variable imputation_ pourrait-elle être ajoutée à d'autres types d'analyses, par exemple les types d'analyses multivariées telles que MANOVA avec mesures répétées ? Je travaille dans un institut qui dispose principalement de données longitudinales, il y a donc toujours une attrition qui doit être compensée par des imputations multiples. Ce serait donc formidable si JMP pouvait résoudre ce problème que seul R semble être capable de résoudre autrement.
