Re: Codificación de variables categóricasNo estoy seguro de si esto es útil... pero puede hacer cualquier comparación de interés a través de la prueba personalizada. A menos que me esté perdiendo algo, por el sonido de sus necesidades no hay necesidad de recodificar.
Aquí hay una discusión reciente.
https://community.jmp.com/t5/Discussions/Linear-and-quadratic-contrasts-with-unequally-spaced-treatments/td-p/624288/page/2
Y aquí está la ayuda de JMP:
Prueba personalizada (jmp.com)
Codificación de variables categóricas.Hola a todos,
estoy interesado en un *fácil* recodificación de variables categóricas en JMP. Dependiendo de las variables quiero hacer esto para poder especificar qué niveles deben compararse entre sí. Si incluyo todos los niveles en el modelo, quiero obtener valores p para exactamente las diferencias que quiero ver o quiero hacer una selección de modelo e incluir solo ciertas diferencias de niveles. En estos casos el resultado depende de la codificación específica de la variable categórica.
En algunos casos quiero una codificación ficticia o Helmert inverso, etc. Sé cómo hacer esto a mano, pero sería bueno si hubiera una forma más conveniente.
Ya encontré esto, pero solo cubre la codificación ficticia:
Resuelto: En JMP, ¿cómo se ajusta la parametrización de variables categóricas en un reg... - Comunidad de usuarios de JMP
¡Cualquier ayuda sería muy apreciada!
Análisis y modelado de datos básicosCombinación y limpieza de datosDiseño de experimentosRe: Codificación de variables categóricasMuchas gracias por su respuesta y disculpe por responderle ahora. Esta parece una muy buena opción si solo cuento con el factor categórico. Dado que trabajo con DoE, suelo tener más de este factor categórico. Además, cuento con varios factores numéricos continuos, sus efectos cuadráticos e interacciones dobles. Por lo tanto, me gustaría usar la Plataforma de Mínimos Cuadrados Estándar.
Re: Codificación de variables categóricasHola @Anja_W ,
Parece que los contrastes lineales simples podrían ser la solución. Aquí tienes un breve vídeo que describe su uso más básico en Fit Model. Los contrastes son, sin duda, mi método favorito para realizar comparaciones específicas en el contexto de un modelo más amplio (sin tener que recodificar las variables originales), y jmp facilita enormemente su especificación.
https://www.youtube.com/watch?v=YcFmp1KkLkY
¡Espero que esto ayude!
@juliano
Re: Codificación de variables categóricasHola @Anja_W ,
Si utiliza factores categóricos en DoE, el procedimiento de ortogonalización de Gram-Schmidt se ejecuta por defecto en los factores categóricos para transformar cualquier factor categórico de k niveles en k-1 factores (vectores) continuos, independientes y ortonormales. Puede encontrar más información aquí:
Proceso de Gram-Schmidt - Wikipedia
9.5: El procedimiento de ortogonalización de Gram-Schmidt - Matemáticas LibreTexts
El procedimiento de ortogonalización de Gram-Schmidt es necesario para garantizar que los k-1 vectores independientes relacionados con el factor categórico de k niveles sean ortonormales (= una unidad de longitud). Este "escalamiento" garantiza que las longitudes de todos los factores del diseño sean iguales, de modo que la comparación de efectos durante la construcción del modelo se realice sobre la misma base y no exista sesgo debido a la alta cardinalidad de los factores categóricos, lo que generaría una longitud de vector muy alta y haría que estos factores fueran potencialmente más (o menos) importantes de lo que son.
Para acceder a esta codificación de factores, puede marcar " Guardar Matriz X " al crear su diseño por primera vez o iniciar el script " Diálogo del Departamento de Energía " para acceder al mismo diseño y, a partir de ahí, marcar la opción "Guardar Matriz X" al (re)generar el mismo diseño. Puede modificar ligeramente el script para que la Matriz X aparezca en formato de tabla de datos JMP.
Puede ver más información sobre este tema estrechamente relacionado: Mapa de colores del DoE sobre correlaciones para factores categóricos de múltiples niveles
Espero que esta respuesta pueda ayudarte.
