Wie führt man DOE für kategoriale Antworten oder ordinale Antworten durch?<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Kann JMP DOE für kategoriale oder ordinale Antworten durchführen? Danke.
Betreff: Wie führt man DOE für kategoriale Antworten oder ordinale Antworten durch?Ich mag den Vorschlag zum Plotten der Daten. Es ist ein großartiger Ort, um sich mit den Daten vertraut zu machen und Daten für eine weitere Datenbereinigung zu überprüfen. Vielen Dank für das Teilen!
Betreff: Wie führt man DOE für kategoriale Antworten oder ordinale Antworten durch?uniwander: Es ist nicht das Design an sich, das Ihr Nachdenken erfordert "... das 'normale' optimale Design geht davon aus, dass der Fehler normal verteilt ist und standardmäßige oder verallgemeinerte lineare Regression verwendet wird ...". Es ist die gewöhnliche Regressionsmodellierungstechnik der kleinsten Quadrate (die die Modellierungstechnik ist, zu der sich die Naiven hingezogen fühlen), die für diese Annahmen empfindlich ist. Das Design ist nur ein Mittel, um einen kohärenten Satz von Behandlungskombinationen zu erstellen, um (in der Custom Design-Plattform) ein benutzerspezifisches Modell zu unterstützen, das Haupteffekte, Wechselwirkungen oder andere Terme höherer Ordnung enthält, wie Sie es benötigen.
Also sofort, wenn mir jemand sagt, dass er eine kategorische oder ordinale Antwort hat ... Ich verwende OLS NIE, um die Ergebnisse zu analysieren ... sondern tendiere zu einer anderen Technik. Zwei, die Sie vorschlagen, sind die nominale logistische oder die ordinale logistische Regression. Ich empfehle Ihnen, den Modellierungstyp und den Datentyp im Spalteneigenschaftenfenster wie von Ihnen vorgeschlagen zu ändern. Auf diese Weise wird die Tatsache, dass die Variable kategorial oder ordinal ist, auch dann, wenn Sie nicht modellieren, immer mit dieser Variablen mitlaufen, unabhängig davon, mit WELCHER JMP-Analyseplattform Sie arbeiten. Sobald Sie in der Fit-Model-Plattform Antworten in das Y-Fenster übertragen haben, belauscht JMP die Daten und den Modellierungstyp für die Antwort und wechselt zu dem, was es für die am besten geeignete spezifische Modellierungspersönlichkeit hält.
Sie müssen Replikation nicht unbedingt in Ihr Design integriert haben, damit die Magie der nominalen oder ordinalen logistischen Regression funktioniert ... es gibt viele Gründe, ein Design zu replizieren ... aber aus Modellierungsperspektive ist dies nicht erforderlich.
Außerdem beginne ich meine empirische Analyse immer VOR der Modellierung, indem ich die Antworten sowohl in einer univariaten als auch in einer bivariaten Sicht der Welt unter Verwendung der Plattformen Verteilung und Anpassung Y nach X grafisch darstelle. Graph Builder kann auch etwas von diesem schweren Heben übernehmen. Wann immer ich kann, rufe ich von den Dächern, bevor ich mit dem Modellieren beginne: „Plot the data, Plot The Data, PLOT THE DATA“, um Ihnen dabei zu helfen, Ausreißer, verdächtige Beobachtungen oder Beobachtungen, die keinen Sinn ergeben, zu finden … und mache die Ergebnisse „fit“ mit vorherigem Prozesswissen.
Ein guter Ausgangspunkt für die Betrachtung von Beispielen ist die JMP-Dokumentation selbst ... hier ist die Zielseite, die Ihnen als Einstiegsportal in die Online-JMP-Dokumentation dienen kann:
Logistische Regression mit nominalen oder ordinalen Antworten
Betreff: Wie führt man DOE für kategoriale Antworten oder ordinale Antworten durch?Vielen Dank für Ihre Vorschläge. Da ich keinen Hintergrund in Statistik habe, schätze ich Ihre Hilfe zu diesem Thema sehr.
Soweit ich weiß, geht das "normale" optimale Design davon aus, dass der Fehler normal verteilt ist und eine standardmäßige oder verallgemeinerte lineare Regression verwendet wird. Wenn die Antwort nominell oder ordinal ist, ist die Annahme nicht mehr wahr und wir benötigen eine logistische Regression oder ein kumulatives logistisches Modell.
Gibt es auf der Praxisseite, wenn wir das Experiment entwerfen, eine Möglichkeit, den Antworttyp anzugeben? Ich könnte den Typ in den Spalteneigenschaften ändern, aber das scheint der Analyse nicht zu helfen, da ich die Persönlichkeit der Antwort immer noch nicht auf „nominale Logistik“ oder „ordinale Logistik“ ändern kann. Frühere Erfahrungen scheinen darauf hinzudeuten, dass ich die Läufe mehrmals wiederholen muss, um die Wahrscheinlichkeit eines Nichtbestehens / Bestehens zu erhalten, um mit sagen wir, binomialen Antworten umzugehen, aber ich kann in JMP DOE nirgendwo finden, wo ich das ansprechen könnte.
Wenn Sie können, können Sie ein Beispiel für den Umgang mit nominalen und ordinalen Antworten geben?
Betreff: Wie führt man DOE für kategoriale Antworten oder ordinale Antworten durch?Um ein wenig auf das anzuknüpfen, was mein Kollege Bill Worley oben mitgeteilt hat ... es ist die Analyse Ihrer experimentellen Ergebnisse, die mehr davon beeinflusst wird, ob eine Antwort kontinuierlich, kategorisch oder ordinal ist oder nicht. Der DOE-Planungsprozess ist in Bezug auf die Art der Antwortdaten (kontinuierlich, kategorial, ordinal) weitgehend agnostisch. JMP und mehr noch JMP Pro (ich denke an einige der Modellierungspersönlichkeiten in der Generalized Regression-Plattform) unterstützen eine breite Palette von Modellierungs- und explorativen Datenanalysemethoden für kategoriale und ordinale Antwortdaten.
Betreff: Wie führt man DOE für kategoriale Antworten oder ordinale Antworten durch?Hallo Uniwander,
Sie haben mehrere Möglichkeiten.Viele JMP DOE-Optionen definieren Ihren Antwortdatentyp nicht.Dieser Datentyp wird durch Ihre Eingabe definiert, nachdem Sie Ihre experimentellen Bedingungen ausgeführt haben.Ich würde empfehlen, dass Sie das benutzerdefinierte Design als erste Option ausprobieren, da es sowohl für die Eingabevariablentypen als auch für die Anzahl der Durchläufe für Ihr Design sehr flexibel ist.
Designs, die spezifischer für kategoriale/ordinale Antworten sind, umfassen Choice-Design und Covering Arrays.Covering Arrays gibt es nur in JMP 12 Pro.
Hoffe das hilft.
Am besten,
Rechnung
