DOE 分析が回帰分析でカテゴリカル因子を処理する方法やあ、
私はカテゴリカル因子に対して DOE を使用します。予測される式は線形回帰です。 カテゴリカル因子がどのように処理され、線形回帰が機能するのか疑問です。カテゴリカル因子に関する再コーディングはありますか? 誰かがJMPがそれをどのように処理するかについての関連ドキュメントを教えてもらえますか?
実験計画法Re: DOE 分析が回帰分析でカテゴリー因子をどのように処理するかやあ@dadawasozo 、
使用しているプラットフォームに応じて、カテゴリ変数のエンコーディングが異なる場合があります。
- 「モデルの適合」(標準最小二乗法) アプローチの場合:
」 「モデルの適合」起動ウィンドウに公称モデリング・タイプの列を入力すると、JMP はそれを一連の連続指標変数として内部的に表します。 各変数は、値 –1、0、および 1 のみを想定します。 (このコーディングは、指標変数を使用してノミナル変数をコーディングする多くの方法のうちの 1 つであることに注意してください。) nレベル、その後nこれを表すには、これらの指標変数のうち -1 つが必要です。 (必要性n -1 の指標変数は、名目列に関連付けられた主効果が次のような影響を与えるという事実に直接関係します。 n -1 の自由度。) 詳細については、「名目係数。 」
から ：名目効果コーディングの統計的詳細
- 「一般化回帰」(標準最小二乗法またはその他の推定方法) の場合:
」一般化回帰パーソナリティで使用される名目変数のパラメータ化は、他のフィット モデル パーソナリティを使用するパラメータ化とは異なります。 一般化回帰パーソナリティは、指標関数のパラメーター化を使用します。 このパラメータ化では、名目変数のレベルの指標に対応する推定値は、そのレベルでの平均応答と最後のレベルでの平均応答との差の推定値です。 最後のレベルは、最も高い値の順序でコーディングされたレベルです。モデルにインジケーター機能が含まれていないレベルです。」
から: 一般化回帰パーソナリティを起動します
プラットフォーム間の違い (モデルの適合と一般化回帰プラットフォーム間の推定値の違い、効果の p 値など) が調査されているこの議論に興味があるかもしれません。 https://community.jmp.com/t5/Discussions/Random-effect-test/mp/659523#M84878
この回答がお役に立てば幸いです。
Re: DOE 分析が回帰分析でカテゴリー因子をどのように処理するかこんにちは、ビクターさん
ご返信ありがとうございます。 これらの情報は間違いなく役に立ちます。
