Arbeiten mit imputierten Daten in JMP – Elastic NetHallo allerseits,
Ich arbeite mit einem Datensatz, der in Stata eine mehrfache Imputation durchlaufen hat. Ich versuche, eine elastische Netzregression für den Datensatz in JMP durchzuführen, da Stata in seinem Befehl zur Schätzung mehrerer Imputationen offenbar kein elastisches Netz unterstützt.
Ich habe mich gefragt, ob JMP die Daten irgendwie als MI-Daten identifizieren kann, oder spielt das überhaupt eine Rolle? Der Befehl mi estimate in stata führt einen kombinierten Analyse- und Pooling-Prozess durch. Ist es angemessen, den unterstellten Rohdatensatz ohne die Analyse- und Pooling-Phase einfach über das elastische Netz laufen zu lassen? Vielen Dank für jede Hilfe und jeden Einblick, den die Leute geben können.
Datenmischung und -bereinigungPrädiktive Modellierung und maschinelles LernenWindowsBetreff: Arbeiten mit imputierten Daten in JMP – Elastic NetHallo, ich habe das gleiche Problem. Ich habe einen Datensatz, der in SPSS mehrfach imputiert wurde. SPSS erkennt einen mehrfach unterstellten Datensatz. Es führt jedoch nur univariate Analysen wie Korrelationen und t-Tests für alle unterstellten Daten und die gepoolten Daten durch, nicht jedoch multivariate Analysen wie eine ANOVA mit wiederholten Messungen. Es werden weiterhin die unterstellten Daten ausgeführt, jedoch nicht die gepoolten Daten. Ich hatte gehofft, dass mir das in JMP/SAS gelingen würde, aber die fehlende Reaktion auf Ihre E-Mail nach 86 Aufrufen ist nicht gerade ermutigend.
Betreff: Arbeiten mit imputierten Daten in JMP – Elastic NetIch habe aber keine Lösung für das Elastic Net @BTD , können Sie für Ihre multivariate Analyse die Verwendung der Full Information Maximum Likelihood (FIML) anstelle der Multiple Imputation (MI) in Betracht ziehen. FIML ist der Standardschätzer im Strukturgleichungsmodelle Plattform in JMP Pro, wenn Daten fehlen und Sie über wiederholte Messdaten verfügen, sollten Sie sich diese möglicherweise ansehen dieses Beispiel eines latenten Wachstumskurvenmodells (macht weniger strenge Annahmen über die Daten als RM ANOVA).
Als Anmerkung, Dieser Artikel vergleicht FIML und MI und bekräftigt, dass
„Unsere Studie bestätigte das bekannte Wissen, dass die beiden Schätzer dazu neigen, im Wesentlichen äquivalente Ergebnisse zueinander und zu denen aus der Analyse vollständiger Daten zu liefern, wenn das postulierte Modell korrekt spezifiziert ist.“
HTH,
~Laura
Betreff: Arbeiten mit imputierten Daten in JMP – Elastic NetHallo, ich habe das gleiche Problem. Meine MANOVA mit wiederholten Messungen wird von JMP berechnet, aber nur so, als ob die Stichprobe mit den 100 unterstellten Datensätzen in einer Tabelle multipliziert worden wäre, und nicht mit dem gepoolten Datensatz. Es wäre hervorragend, wenn dies umgesetzt werden könnte – ich halte es sogar für ein Muss – und ein aufgezeichnetes Webinar zur Verfügung gestellt werden könnte.
Betreff: Arbeiten mit imputierten Daten in JMP – Elastic NetIch habe herausgefunden, dass JMP den Namen der Imputationsvariablen als solchen betrachten kann. Auf der Webseite https://www.jmp.com/support/help/en/17.2/?os=win&source=application#page/jmp/launch-the-explore-missing-values-platform.shtml# Für die Verarbeitung mehrerer Imputationsdaten gibt es ein Validierungsfenster, das die SPSS-Variable „imputation_“ als gültige Eingabe akzeptiert und einen Bericht über fehlende Daten erstellt.
Könnte dieses Validierungsfenster für die Variable imputation_ bitte zu anderen Analysetypen hinzugefügt werden, beispielsweise den multivariaten Analysetypen wie MANOVA mit wiederholten Messungen? Ich arbeite an einem Institut, das hauptsächlich über Längsschnittdaten verfügt, sodass es immer zu Fluktuationen kommt, die durch mehrere Imputationen ausgeglichen werden müssen. Daher wäre es großartig, wenn JMP dieses Problem lösen könnte, das sonst nur R zu lösen scheint.
