多個指標響應和多個連續預測變量大家好，我正在使用 JMP Pro 15.2.1。 我有一個數據集，其中每個觀察值都有三個連續預測變量和五個指標 (y/n) 響應。 對於每個觀察，可能存在任何或所有指標。 我想對多個預測變量對多維響應變量的同時影響進行建模。
我似乎找不到處理這些數據的正確方法。 JMP 對多個分類響應或我的預測變量是連續的這一事實猶豫不決。
高級統計建模回复：多指標響應和多個連續預測變量你好@gchesterton ,
我可能會誤解您想要做什麼，但這在 JMP 中不應該是問題。
分析>擬合模型。
在 Y 角色中指定 5 個二元響應。
將 3 個連續預測變量添加到構建模型效應大綱中。
跑步。
那是你嘗試過的嗎？ 如果是這樣，問題出在哪裡？
如果您可以附上說明性示例 .jmp 數據表，這總是有幫助的。 但請不要提供敏感數據。
我希望這有幫助，
菲爾
回复：多指標響應和多個連續預測變量謝謝@菲爾_凱，您提出的方法正是我所做的和我期望的工作。 但 JMP 告訴我，我只能包含一項名義答复。 正如您可能猜到的那樣，我的名義回复都在各自的專欄中。 顯然，我可以將它們堆疊到單個數據列中並添加源標籤列。
回复：多指標響應和多個連續預測變量我無法複製這種行為。
同樣，附加示例數據來說明查詢確實會有幫助。
菲爾
回复：多指標響應和多個連續預測變量我附上了一個逗號分隔的文本文件。 這是標題已更改的實際原始數據。 預測變量應該標準化/轉換，但我認為這不是目前的問題。
回复：多指標響應和多個連續預測變量@菲爾_凱除了該數據集之外，這是我在 JMP 中的對話框。
回复：多指標響應和多個連續預測變量我在當前版本 JMP Pro 17.2 中打開了 CSV 文件，並將所有 Y 列的建模類型更改為名義型。 我按照您的指示完成了“擬合模型”啟動對話框。 我收到以下結果，沒有任何錯誤：
（請注意，由於篇幅原因，前四個 Y 的報告已關閉。）
回复：多指標響應和多個連續預測變量你好， @gchesterton 。
我仍然無法重現你的問題。 也許是因為我使用的是 Windows 上的 JMP Pro 17.1.0？
我建議您聯繫技術支持（ support@jmp.com ）。
無論如何，最好了解一下，您從擬合模型中得到的實際上是每個響應的單獨模型，但全部都在一個 JMP 報告窗口中。 因此，您可以通過單獨擬合每個模型來解決您的問題 - 模型將是相同的。
回复：多指標響應和多個連續預測變量事實上，我可以為每個名義響應生成一個單獨的模型。 但我在響應窗口中插入所有五個響應變量的動機並不是為了簡化創建五個單獨模型的過程。 相反，我的想法是我正在處理多維的反應。 這些響應不是獨立的，因此我認為通過在單個模型擬合中包含多個響應變量，它會將它們識別為多變量響應。 換句話說，Y1-5 與預測變量 X1,2,3 的聯合狀態。
我可以建模 Y1 ~ X1+X2+X3 + Y2+Y3+Y4+Y5 但我認為我真正想要的是 Y1 + ... + Y5 ~ X1 + X2 + X3。
回复：多指標響應和多個連續預測變量說得通， @gchesterton 。 您想同時了解 X1 的效果... X3 對所有響應 Y1 ... Y5。
我們可以非常哲學地理解“響應不是獨立的”的意思，我們可以探索處理 Y1 的複雜建模技術...... Y5 作為某種分組的多變量響應。
但人們 99% 的時間都會使用的實用方法是為每個 Y1 構建單獨的模型...... Y5 對抗 X1 .... X3，然後將它們一起分析：
這些仍然是單獨的模型。
執行此操作的過程是保存每個模型的概率公式：
然後將 Prob[1] 預測公式列添加到 Graph > Profiler 中的 Y、預測公式角色。
我希望這有幫助，
菲爾
回复：多指標響應和多個連續預測變量我一直在關注這次討論，我承認您提供的信息太模糊，無法提供任何具體建議。 如果沒有適當的背景，很難提供建議，不幸的是，就像這樣的論壇上經常發生的情況一樣，很難提供適當的背景。 以下是我的想法，可能根本沒有幫助：
我不太確定“多維響應”是什麼意思？您稍後指出這些是“多變量響應”，這僅意味著您有多個響應變量。你認為他們不是獨立的，你是如何確定這一點的？ 很高興知道 5 個名義響應如何相關，但這可能無法評估。我想知道您是否可以創建一個響應變量，它是 5 個標稱響應的函數？也許是序數尺度而不是名義反應？
回复：多指標響應和多個連續預測變量如 OP 中所述，每個觀測值都有 3 個連續預測變量和 5 個指標響應。 Y1 的狀態（1 或 0）部分取決於 Y2-5 的狀態。 這是因為人類在每種情況下都對 Y1-5 進行指示。 例如，他們指示 Y2 = true 的傾向將部分受到他們指示 Y1 和其他 Y 的影響。
在我看來，如果我對 Y1 ~ X1 + X2 + X3 建模，那麼我會忽略來自 Y2-5 狀態的信息。 響應變量是一個向量。 我想知道每個預測變量如何影響該向量。
回复：多指標響應和多個連續預測變量你可以不理我，但我更困惑。我不明白“Y2-Y5的狀態”？這些是“樣本”的不同特徵嗎？ 人類是“觀察”樣本並確定 0 或 1 嗎？0和1是什麼意思？這些在操作上是如何定義的（按照戴明的說法）？
如果響應是矢量，為什麼不量化幅度和方向？
如果響應是來自人類感官知覺的分類響應，我會嘗試創建更多類別並使用序數尺度。如果您擔心人為偏見，請確保該量表是一個不基於情感的比較量表。我會在人類內部和人類之間添加重複測量（同一“樣本”由同一個人和其他人類至少測量兩次）。您可以使用簡單的繪圖來查看特定人是否存在一致的偏差，並且可以使用平均值來減少每個變異的組成部分。
回复：多指標響應和多個連續預測變量它是數學意義上的向量——有一個值列表而不是單個元素。
我不知道如何描述一組 5 個指標值。
在每次觀察中，評估員都會針對 5 個問題中的每一個問題指出是對還是錯（開或關、1 或 0）。 這是一個基本的二進制指標。 二元指標響應有什麼不理解的地方？？？
這些值是人們對每次觀察中 5 個可能的“原因”進行評估時做出的判斷。 五個答案中的每一個都可以是“是”或“否”，而不排除其他答案是“是”或“否”。因此，理論上，響應向量可以採用 32 種不同的組合。
