Re: Codifica di variabili categorialiNon sono sicuro che sia utile... ma puoi effettuare qualsiasi confronto di interesse tramite il test personalizzato. A meno che non mi manchi qualcosa, dal suono delle tue esigenze non c'è bisogno di ricodificare.
Ecco una discussione recente.
https://community.jmp.com/t5/Discussions/Linear-and-quadratic-contrasts-with-inequally-spaced-treatments/td-p/624288/page/2
Ed ecco la guida di JMP:
Test personalizzato (jmp.com)
Codifica delle variabili categorialiCiao a tutti,
Mi interessa un *facile* ricodifica delle variabili categoriali in JMP. A seconda delle variabili, voglio farlo per poter specificare quali livelli devono essere confrontati tra loro. Se includo tutti i livelli nel modello, voglio ottenere valori p esattamente per le differenze che voglio vedere oppure voglio effettuare una selezione del modello e includere solo alcune differenze di livelli. In questi casi il risultato dipende dalla codifica specifica della variabile categoriale.
In alcuni casi desidero una codifica fittizia o Reverse Helmert ecc. So come farlo a mano, ma sarebbe carino se esistesse un modo più conveniente.
L'ho già trovato, ma copre solo la codifica fittizia:
Risolto: in JMP, come si regola la parametrizzazione delle variabili categoriali in un registro... - Comunità di utenti JMP
Qualsiasi aiuto sarebbe molto apprezzato!
Analisi e modellazione dei dati di baseCombinazione e pulizia dei datiProgettazione di esperimentiRe: Codifica delle variabili categorialiGrazie mille per la risposta e mi scuso se ti rispondo solo ora. Mi sembra un'ottima opzione se ho a disposizione solo il fattore categoriale. Dato che lavoro con i DoE, di solito ho più di un fattore categoriale. Inoltre, ho diversi fattori numerici continui, i loro effetti quadratici e le interazioni duplici. Quindi, vorrei utilizzare la piattaforma Standard Least Squares.
Re: Codifica delle variabili categorialiCiao @Anja_W ,
Sembra che i semplici contrasti lineari possano essere la soluzione giusta per te. Ecco un breve video che ne descrive l'uso più elementare in Fit Model. I contrasti sono, di gran lunga, il mio metodo preferito per effettuare confronti specifici nel contesto di un modello più ampio (senza dover ricodificare le variabili originali) e JMP ne semplifica notevolmente la specifica.
https://www.youtube.com/watch?v=YcFmp1KkLkY
Spero che questo ti aiuti!
@julian
Re: Codifica delle variabili categorialiCiao @Anja_W ,
Se si utilizzano fattori categorici in DoE, la procedura di ortogonalizzazione di Gram-Schmidt viene eseguita di default sui fattori categorici per trasformare qualsiasi fattore categorico di k livelli in fattori (vettori) continui, indipendenti e ortonormali di k-1 livelli. Maggiori informazioni sono disponibili qui:
Processo di Gram-Schmidt - Wikipedia
9.5: La procedura di ortogonalizzazione di Gram-Schmidt - Matematica LibreTexts
La procedura di ortogonalizzazione di Gram-Schmidt è necessaria per garantire che i vettori indipendenti k-1 relativi al fattore categoriale di k livelli siano ortonormali (= lunghezza unitaria). Questo "scalamento" garantisce che le lunghezze di tutti i fattori nel progetto siano le stesse, quindi il confronto degli effetti durante la costruzione del modello viene effettuato sulla stessa base, senza distorsioni dovute all'elevata cardinalità dei fattori categoriali che creerebbero lunghezze dei vettori molto elevate e renderebbero questi fattori potenzialmente più (o meno) importanti di quanto non siano.
Per accedere a questa codifica dei fattori, puoi selezionare " Salva matrice X " durante la creazione del tuo progetto per la prima volta, oppure avviare lo script " Dialogo DoE " per accedere allo stesso progetto creato in precedenza e, da quel momento, selezionare l'opzione "Salva matrice X" quando (ri)generi lo stesso progetto. Puoi modificare leggermente lo script in modo che la matrice X venga visualizzata in un formato datatable JMP.
Puoi vedere maggiori informazioni su questo argomento strettamente correlato: Mappa dei colori DoE sulle correlazioni per fattori categoriali multilivello
Spero che questa risposta possa aiutarti,
