Wie führt man eine DOE für kategoriale 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 eine DOE für kategoriale oder ordinale Antworten durch?Mir gefällt der Vorschlag, die Daten grafisch darzustellen. Es ist ein großartiger Ort, um sich mit den Daten vertraut zu machen und die Daten zur weiteren Datenbereinigung zu überprüfen. Vielen Dank fürs Teilen!
Betreff: Wie führt man eine DOE für kategoriale oder ordinale Antworten durch?uniwander: Es ist nicht das Design an sich, über das Sie nachdenken müssen: „... das ‚normale‘ optimale Design geht davon aus, dass der Fehler normalverteilt ist und eine standardmäßige oder verallgemeinerte lineare Regression verwendet wird ...“. Es ist die gewöhnliche Regressionsmodellierungstechnik der kleinsten Quadrate (die Modellierungstechnik, zu der sich Naive hingezogen fühlen), die empfindlich auf diese Annahmen reagiert. Das Design ist lediglich ein Mittel zum Erstellen eines kohärenten Satzes von Behandlungskombinationen, um (in der Custom Design-Plattform) ein vom Benutzer angegebenes Modell zu unterstützen, das je nach Bedarf Haupteffekte, Interaktionen oder andere Begriffe höherer Ordnung enthält.
Wenn mir also jemand sagt, dass er eine kategoriale oder ordinale Antwort hat, verwende ich NIEMALS OLS, 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 Fenster mit den Spalteneigenschaften wie von Ihnen vorgeschlagen zu ändern. Auf diese Weise wird die Tatsache, dass die Variable kategorisch oder ordinal ist, immer mit dieser Variablen übertragen, auch wenn Sie nicht modellieren, unabhängig davon, mit WELCHER JMP-Analyseplattform Sie arbeiten. Sobald Sie in der Fit-Model-Plattform Antworten in das Y-Fenster übertragen, überwacht JMP die Daten und den Modellierungstyp für die Antwort und wechselt zu der seiner Meinung nach am besten geeigneten spezifischen Modellierungspersönlichkeit.
Sie müssen die Replikation nicht unbedingt in Ihren Entwurf integrieren, damit die Magie der nominalen oder ordinalen logistischen Regression funktioniert. Es gibt viele Gründe, einen Entwurf zu replizieren. Aus Sicht der Modellierung ist dies jedoch nicht erforderlich.
Außerdem beginne ich meine empirische Analyse immer VOR der Modellierung, indem ich Antworten sowohl in einer univariaten als auch in einer bivariaten Sicht der Welt aufzeichne, indem ich die Plattformen „Verteilung“ und „Y durch X anpassen“ verwende. Auch Graph Builder kann einen Teil dieser schweren Arbeit übernehmen. Ich rufe von den Dächern, wann immer ich kann, bevor ich mit der Modellierung beginne: „Zeichne die Daten, zeichne die Daten, zeichne die Daten auf“, um dir dabei zu helfen, Ausreißer, verdächtige Beobachtungen oder Beobachtungen zu finden, die keinen Sinn ergeben … 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 eine DOE für kategoriale oder ordinale Antworten durch?Vielen Dank für Ihre Vorschläge. Da ich keine Kenntnisse in Statistik habe, schätze ich Ihre Hilfe zu diesem Thema sehr.
Soweit ich weiß, geht das „normale“ optimale Design davon aus, dass der Fehler normalverteilt ist und eine standardmäßige oder verallgemeinerte lineare Regression verwendet wird. Wenn die Antwort nominal oder ordinal ist, ist die Annahme nicht mehr wahr und wir benötigen eine logistische Regression oder ein kumulatives Logistikmodell.
Gibt es in der Praxis beim Entwerfen des Experiments eine Möglichkeit, den Antworttyp anzugeben? Ich könnte den Typ in den Spalteneigenschaften ändern, aber das scheint der Analyse nicht zu helfen, da ich den Charakter der Antwort immer noch nicht in „nominale Logistik“ oder „ordinale Logistik“ ändern kann. Frühere Erfahrungen scheinen darauf hinzudeuten, dass ich die Läufe mehrmals wiederholen muss, um eine Wahrscheinlichkeit für „Nicht bestanden“/„Bestanden“ zu erhalten, um beispielsweise binomiale Antworten verarbeiten zu können, aber ich kann in JMP DOE nirgendwo eine Lösung dafür finden.
Können Sie, wenn möglich, ein Beispiel für den Umgang mit nominalen und ordinalen Antworten geben?
Betreff: Wie führt man eine DOE für kategoriale oder ordinale Antworten durch?Um ein wenig auf das hinzuweisen, was mein Kollege Bill Worley oben gesagt hat: Die Analyse Ihrer experimentellen Ergebnisse wird stärker davon beeinflusst, ob eine Antwort kontinuierlich, kategorisch oder ordinal ist oder nicht. Der DOE-Planungsprozess ist hinsichtlich der Art der Antwortdaten (kontinuierlich, kategorial, ordinal) weitgehend unabhängig. 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 eine DOE für kategoriale oder ordinale Antworten durch?Hallo Uniwander,
Sie haben mehrere Möglichkeiten.Viele JMP DOE-Optionen definieren Ihren Antwortdatentyp nicht.Dieser Datentyp wird durch das definiert, was Sie eingeben, nachdem Sie Ihre experimentellen Bedingungen ausgeführt haben.Ich würde Ihnen empfehlen, als erste Option „Benutzerdefiniertes Design“ auszuprobieren, da es sowohl hinsichtlich der Eingabevariablentypen als auch der Anzahl der Durchläufe für Ihr Design sehr flexibel ist.
Zu den Designs, die spezifischer für kategoriale/ordinale Antworten sind, gehören das Choice-Design und Covering Arrays.Abdeckende Arrays sind nur JMP 12 Pro.
Hoffe das hilft.
Am besten,
Rechnung
