Re : Encodage des variables catégoriellesJe ne sais pas si cela est utile... mais vous pouvez faire toute comparaison intéressante via le test personnalisé. Sauf si quelque chose me manque, à partir du son de vos besoins, il n'est pas nécessaire de recoder.
Voici une discussion récente.
https://community.jmp.com/t5/Discussions/Linear-and-quadratic-contrasts-with-unequally-spaced-treatments/td-p/624288/page/2
Et voici l'aide de JMP :
Test personnalisé (jmp.com)
Encodage des variables catégoriellesSalut tout le monde,
Je suis intéressé par un *facile* recodage des variables catégorielles dans JMP. En fonction des variables, je souhaite faire cela pour pouvoir spécifier quels niveaux doivent être comparés les uns aux autres. Si j'inclus tous les niveaux dans le modèle, je souhaite obtenir des valeurs p pour exactement les différences que je souhaite voir ou je souhaite effectuer une sélection de modèle et inclure simplement certaines différences de niveaux. Dans ces cas, le résultat dépend du codage spécifique de la variable catégorielle.
Dans certains cas, je veux un encodage factice ou Reverse Helmert, etc. Je sais comment faire cela à la main, mais ce serait bien s'il existe un moyen plus pratique.
J'ai déjà trouvé ceci, mais cela ne couvre que l'encodage factice :
Résolu : Dans JMP, comment ajuster le paramétrage des variables catégorielles dans un registre... - Communauté d'utilisateurs JMP
Toute aide serait très appréciée!
Analyse et modélisation des données de baseMélange et nettoyage des donnéesConception d'expériencesRe : Codage des variables catégoriellesMerci beaucoup pour votre réponse et veuillez m'excuser de ne vous répondre que maintenant. Cela me semble une excellente option si je ne dispose que du facteur catégoriel. Comme je travaille avec des DoE, j'ai généralement plusieurs facteurs catégoriels. De plus, je dispose de plusieurs facteurs numériques continus, de leurs effets quadratiques et de leurs interactions doubles. J'aimerais donc utiliser la plateforme des moindres carrés standard.
Re : Codage des variables catégoriellesSalut @Anja_W ,
Il semble que de simples contrastes linéaires pourraient être la solution. Voici une courte vidéo décrivant leur utilisation la plus basique dans Fit Model. Les contrastes sont, de loin, ma méthode préférée pour effectuer des comparaisons spécifiques dans le contexte d'un modèle plus vaste (sans recodage des variables d'origine), et jmp simplifie grandement leur spécification.
https://www.youtube.com/watch?v=YcFmp1KkLkY
J'espère que cela aide !
@julien
Re : Codage des variables catégoriellesSalut @Anja_W ,
Si vous utilisez des facteurs catégoriels dans le DoE, la procédure d'orthogonalisation de Gram-Schmidt est appliquée par défaut aux facteurs catégoriels pour transformer tout facteur catégoriel de k-niveaux en facteurs (vecteurs) indépendants et orthonormés continus à k-1 niveaux. Plus d'informations ici :
Processus de Gram-Schmidt — Wikipédia
9.5 : La procédure d'orthogonalisation de Gram-Schmidt - Mathématiques
La procédure d'orthogonalisation de Gram-Schmidt est nécessaire pour garantir que les vecteurs indépendants k-1 associés aux facteurs catégoriels de k niveaux sont orthonormés (= longueur unitaire). Cette « mise à l'échelle » garantit que les longueurs de tous les facteurs de votre modèle sont identiques. Ainsi, la comparaison des effets lors de la construction du modèle est effectuée sur la même base. Il n'y a pas de biais dû à une cardinalité élevée des facteurs catégoriels, qui créerait des vecteurs de longueur très élevée et rendrait ces facteurs potentiellement plus (ou moins) importants qu'ils ne le sont.
Pour accéder à ce codage factoriel, vous pouvez cocher « Enregistrer la matrice X » lors de la première création de votre conception, ou lancer le script « Dialogue DoE » pour accéder à la même conception. Ensuite, cochez l'option « Enregistrer la matrice X » lors de la (re)génération de la même conception. Vous pouvez modifier légèrement le script pour que la matrice X apparaisse au format JMP datatable.
Vous pouvez voir plus d'informations sur ce sujet étroitement lié : Carte couleur DoE sur les corrélations pour les facteurs catégoriels à plusieurs niveaux
J'espère que cette réponse pourra vous aider,
