Réponses à indicateurs multiples et prédicteurs continus multiplesBonjour, j'utilise JMP Pro 15.2.1. J'ai un ensemble de données où chaque observation a trois prédicteurs continus et cinq réponses d'indicateur (y/n). Pour chaque observation, un ou tous les indicateurs peuvent être présents. Je souhaite modéliser les effets simultanés de plusieurs prédicteurs sur une variable de réponse multidimensionnelle.
Je n'arrive pas à trouver la bonne approche pour ces données. JMP rechigne à plusieurs réponses catégoriques ou au fait que mes prédicteurs sont continus.
Modélisation statistique avancéeObjet : Réponses à indicateurs multiples et prédicteurs continus multiplesSalut @gchesterton ,
Je comprends peut-être mal ce que vous essayez de faire, mais cela ne devrait pas poser de problème dans JMP.
Analyser > Ajuster le modèle.
Spécifiez vos 5 réponses binaires dans le rôle Y.
Ajoutez vos 3 prédicteurs continus au plan Construire des effets de modèle.
Courir.
C'est ce que vous avez essayé ? Si oui, quel était le problème ?
Cela aide toujours si vous pouvez joindre un exemple illustratif de table de données .jmp. S'il vous plaît pas de données sensibles cependant.
J'espère que ça aide,
Phil
Objet : Réponses à indicateurs multiples et prédicteurs continus multiplesMerci @Phil_Kay , votre approche proposée est précisément ce que j'ai fait et ce que je m'attendais à travailler. Mais JMP me dit que je ne peux inclure qu'une seule réponse nominale. Comme vous pouvez le deviner, mes réponses nominales sont chacune dans leurs propres colonnes. Évidemment, je pourrais les empiler dans une seule colonne de données et ajouter une colonne d'étiquette source.
Objet : Réponses à indicateurs multiples et prédicteurs continus multiplesJe ne suis pas capable de reproduire ce comportement.
Encore une fois, joindre des exemples de données pour illustrer la requête serait vraiment utile.
Phil
Objet : Réponses à indicateurs multiples et prédicteurs continus multiplesJ'ai joint un fichier texte séparé par des virgules. Il s'agit de données brutes réelles avec les en-têtes modifiés. Les prédicteurs devraient être standardisés/transformés, mais je ne pense pas que ce soit le problème pour le moment.
Objet : Réponses à indicateurs multiples et prédicteurs continus multiples@Phil_Kay en plus de cet ensemble de données, voici ma boîte de dialogue dans JMP.
Objet : Réponses à indicateurs multiples et prédicteurs continus multiplesJ'ai ouvert le fichier CSV dans la version actuelle, JMP Pro 17.2, et changé le type de modélisation de toutes les colonnes Y en Nominal. J'ai terminé la boîte de dialogue de lancement Fit Model comme vous l'avez indiqué. J'ai reçu les résultats suivants sans aucune erreur :
(Notez que le rapport pour les quatre premiers Y est fermé par souci d'espace.)
Objet : Réponses à indicateurs multiples et prédicteurs continus multiplesSalut, @gchesterton .
Je n'arrive toujours pas à reproduire votre problème. Peut-être parce que j'utilise JMP Pro 17.1.0 sous Windows ?
Je vous suggère de contacter le support technique ( support@jmp.com ).
Dans tous les cas, il est probablement bon de comprendre que ce que vous obtiendrez de Fit Model sera, en fait, des modèles distincts pour chaque réponse, mais le tout dans une seule fenêtre de rapport JMP. Vous pouvez donc contourner votre problème en installant chaque modèle séparément - les modèles seront les mêmes.
Objet : Réponses à indicateurs multiples et prédicteurs continus multiplesEn effet, je peux produire un modèle séparé pour chaque réponse nominale. Mais ma motivation pour insérer les cinq variables de réponse dans la fenêtre de réponse n'était pas de simplifier le processus de création de cinq modèles distincts. Au lieu de cela, je pense que j'ai affaire à une réponse multidimensionnelle. Ces réponses ne sont pas indépendantes, j'ai donc pensé qu'en incluant plusieurs variables de réponse dans un seul ajustement de modèle, il les reconnaîtrait comme une réponse multivariée. En d'autres termes, l'état conjoint de Y1-5 avec les prédicteurs X1,2,3.
Je pourrais modéliser Y1 ~ X1+X2+X3 + Y2+Y3+Y4+Y5 mais je pense que ce que je veux vraiment c'est Y1 + ... + Y5 ~ X1 + X2 + X3.
Objet : Réponses à indicateurs multiples et prédicteurs continus multiplesLogique, @gchesterton . Vous voulez comprendre simultanément les effets du X1... X3 sur toutes les réponses Y1 ... Y5.
Nous pourrions devenir très philosophiques sur ce que vous entendez par "les réponses ne sont pas indépendantes" et nous pourrions explorer des techniques de modélisation sophistiquées qui traitent Y1... Y5 comme une sorte de réponse multivariée groupée.
Mais l'approche pragmatique que les gens utiliseront 99% du temps est de construire des modèles séparés pour chacun des Y1... Y5 contre X1.... X3 puis profilez-les ensemble :
Ce sont encore des modèles distincts.
Pour ce faire, le processus consiste à enregistrer la formule de probabilité pour chaque modèle :
Et puis ajoutez la colonne de formule de prédiction Prob[1] à Y, rôle de formule de prédiction dans Graph > Profiler.
J'espère que ça aide,
Phil
Objet : Réponses à indicateurs multiples et prédicteurs continus multiplesJ'ai suivi cette discussion et j'admets que les informations que vous avez fournies sont trop vagues pour fournir des conseils spécifiques. Il est très difficile de donner des conseils sans contexte approprié et malheureusement, comme c'est souvent le cas sur un forum comme celui-ci, il peut être difficile de fournir le contexte approprié. Voici mes pensées qui peuvent ne pas être utiles du tout:
Je ne sais pas vraiment ce que vous entendez par "réponse multidimensionnelle" ?Vous indiquez plus tard qu'il s'agit de "réponses multivariées", ce qui signifie simplement que vous avez plusieurs variables de réponse.Vous suggérez qu'ils ne sont pas indépendants, comment avez-vous déterminé cela ? Ce serait bien de savoir comment les 5 réponses nominales sont corrélées, mais cela peut ne pas être possible à évaluer.Je me demande si vous pouvez créer une variable de réponse qui est fonction des 5 réponses nominales ?Peut-être une échelle ordinale au lieu d'une réponse nominale ?
Objet : Réponses à indicateurs multiples et prédicteurs continus multiplesComme indiqué dans le PO, chaque observation a 3 prédicteurs continus et 5 réponses d'indicateur. L'état de Y1 (1 ou 0) dépend, en partie, des états de Y2-5. C'est parce que les humains font l'indication de chacun des Y1-5 dans chaque cas. Leur tendance à indiquer Y2 = vrai, par exemple, sera influencée, en partie, par leur indication de Y1 et des autres Y.
Il me semble que si je modélise Y1 ~ X1 + X2 + X3, j'ignore les informations provenant des états de Y2-5. La variable de réponse est un vecteur. Je veux savoir comment chaque prédicteur affecte ce vecteur.
Objet : Réponses à indicateurs multiples et prédicteurs continus multiplesVous pouvez m'ignorer, mais je suis encore plus confus.Je ne comprends pas les "états de Y2-Y5" ?S'agit-il de caractéristiques différentes de "l'échantillon" ? Les humains « observent-ils » un échantillon et déterminent-ils 0 ou 1 ?Que signifient 0 et 1 ?Arte ceux-ci définis de manière opérationnelle (par Deming) ?
Si la réponse est un vecteur, pourquoi ne quantifiez-vous pas la magnitude et la direction ?
Si la réponse est une réponse catégorique de la perception sensorielle humaine, j'essaierais de créer plus de catégories et d'utiliser des échelles ordinales.Si vous êtes préoccupé par les préjugés humains, assurez-vous que l'échelle est une échelle de comparaison non basée sur l'émotion.J'ajouterais des mesures répétées à la fois chez l'homme et entre les humains (le même "échantillon" mesuré au moins deux fois par le même humain et les autres humains).Vous pouvez utiliser des graphiques simples pour voir s'il existe des biais cohérents d'un ou plusieurs humains particuliers et vous pouvez utiliser la moyenne pour réduire chacune de ces composantes de variation.
Objet : Réponses à indicateurs multiples et prédicteurs continus multiplesC'est un vecteur au sens mathématique -- c'est-à-dire qu'il y a une liste de valeurs plutôt qu'un seul élément.
Je ne sais pas comment décrire autrement un ensemble de 5 valeurs d'indicateur.
Dans chaque observation, un évaluateur indique pour chacune des 5 questions si elle était vraie ou fausse (on ou off, 1 ou 0). C'est un indicateur binaire de base. Qu'est-ce qui n'est pas compréhensible dans une réponse d'indicateur binaire ???
Les valeurs sont des jugements de personnes qui évaluent chacune des 5 « raisons » possibles dans chaque observation. Chacune des cinq réponses peut être oui ou non, sans exclusion des autres étant oui ou non. Ainsi, théoriquement, le vecteur de réponse pourrait prendre 32 combinaisons différentes.
