Risposte a più indicatori e più predittori continuiCiao di nuovo, sto usando JMP Pro 15.2.1. Ho un set di dati in cui ogni osservazione ha tre predittori continui e cinque risposte indicatore (y/n). Per ogni osservazione possono essere presenti uno o tutti gli indicatori. Voglio modellare gli effetti simultanei di diversi predittori su una variabile di risposta multidimensionale.
Non riesco a trovare l'approccio corretto a questi dati. JMP si oppone a più risposte categoriche o al fatto che i miei predittori siano continui.
Modellazione statistica avanzataRi: Risposte a più indicatori e più predittori continuiCIAO @gchesterton ,
Potrei fraintendere ciò che stai cercando di fare, ma questo non dovrebbe essere un problema in JMP.
Analizza > Adatta modello.
Specifica le tue 5 risposte binarie nel ruolo Y.
Aggiungi i tuoi 3 predittori continui al contorno degli effetti del modello di costruzione.
Correre.
È quello che hai provato? Se sì, qual era il problema?
È sempre utile allegare una tabella di dati .jmp di esempio illustrativo. Per favore, niente dati sensibili però.
Spero che aiuti,
Fil
Ri: Risposte a più indicatori e più predittori continuiGrazie @Phil_Kay , l'approccio proposto è esattamente quello che ho fatto e quello che mi aspettavo funzionasse. Ma JMP mi sta dicendo che posso includere solo una risposta nominale. Come puoi immaginare, le mie risposte nominali sono ciascuna nelle proprie colonne. Ovviamente potrei impilarli in una singola colonna di dati e aggiungere una colonna dell'etichetta di origine.
Ri: Risposte a più indicatori e più predittori continuiNon sono in grado di replicare quel comportamento.
Ancora una volta, allegare dati di esempio per illustrare la query sarebbe davvero di aiuto.
Fil
Ri: Risposte a più indicatori e più predittori continuiHo allegato un file di testo separato da virgole. Questi sono dati grezzi effettivi con le intestazioni modificate. I predittori dovrebbero essere standardizzati/trasformati, ma al momento non credo sia questo il problema.
Ri: Risposte a più indicatori e più predittori continui@Phil_Kay oltre a quel set di dati, ecco la mia finestra di dialogo in JMP.
Ri: Risposte a più indicatori e più predittori continuiHo aperto il file CSV nella versione corrente, JMP Pro 17.2, e ho modificato il tipo di modellazione di tutte le colonne Y in Nominal. Ho completato la finestra di dialogo di avvio del modello di adattamento come indicato. Ho ricevuto i seguenti risultati senza errori:
(Si noti che il rapporto per i primi quattro Y è chiuso per motivi di spazio.)
Ri: Risposte a più indicatori e più predittori continuiCIAO, @gchesterton .
Non riesco ancora a riprodurre il tuo problema. Forse perché sono su JMP Pro 17.1.0 su Windows?
Ti suggerisco di contattare il supporto tecnico ( support@jmp.com ).
In ogni caso, è probabilmente utile capire che ciò che otterrai da Fit Model saranno, in effetti, modelli separati per ogni risposta, ma tutti in una finestra di report JMP. Quindi potresti aggirare il tuo problema adattando ciascun modello separatamente: i modelli saranno gli stessi.
Ri: Risposte a più indicatori e più predittori continuiIn effetti posso produrre un modello separato per ogni risposta nominale. Ma la mia motivazione per inserire tutte e cinque le variabili di risposta nella finestra di risposta non era semplificare il processo di creazione di cinque modelli separati. Invece, il mio pensiero è che ho a che fare con una risposta multidimensionale. Queste risposte non sono indipendenti, quindi ho pensato che includendo più variabili di risposta in un singolo adattamento del modello le avrebbe riconosciute come una risposta multivariata. In altre parole, lo stato congiunto di Y1-5 con i predittori X1,2,3.
Potrei modellare Y1 ~ X1+X2+X3 + Y2+Y3+Y4+Y5 ma penso che quello che voglio davvero sia Y1 + ... + Y5 ~ X1 + X2 + X3.
Ri: Risposte a più indicatori e più predittori continuiHa senso, @gchesterton . Vuoi comprendere contemporaneamente gli effetti di X1 ... X3 su tutte le risposte Y1 ... Y5.
Potremmo diventare molto filosofici su cosa intendi per "le risposte non sono indipendenti" e potremmo esplorare sofisticate tecniche di modellazione che trattano Y1... Y5 come una sorta di risposta raggruppata e multivariata.
Ma l'approccio pragmatico che le persone useranno il 99% delle volte è costruire modelli separati per ciascuno di Y1... Y5 contro X1 .... X3 e quindi profilarli insieme:
Questi sono ancora modelli separati.
Il processo per farlo è salvare la formula di probabilità per ogni modello:
Quindi aggiungere la colonna della formula di previsione Prob[1] a Y, ruolo Formula di previsione in Graph > Profiler.
Spero che aiuti,
Fil
Ri: Risposte a più indicatori e più predittori continuiHo seguito questa discussione e ammetto che le informazioni che hai fornito sono troppo vaghe per fornire consigli specifici. È molto difficile dare consigli senza un contesto appropriato e sfortunatamente, come spesso accade in un forum come questo, può essere difficile fornire il contesto appropriato. Ecco i miei pensieri che potrebbero non essere affatto utili:
Non sono davvero sicuro di cosa intendi per "risposta multidimensionale"?Successivamente indicherai che si tratta di "risposte multivariate", il che significa semplicemente che hai più variabili di risposta.Suggerisci che non sono indipendenti, come hai determinato questo? Sarebbe bello sapere come si correlano le 5 risposte nominali, ma potrebbe non essere possibile valutarlo.Mi chiedo se è possibile creare una variabile di risposta che sia una funzione delle 5 risposte nominali?Forse una scala ordinale invece di una risposta nominale?
Ri: Risposte a più indicatori e più predittori continuiCome indicato nel PO, ogni osservazione ha 3 predittori continui e 5 risposte indicatore. Lo stato di Y1 (1 o 0) dipende, in parte, dagli stati di Y2-5. Questo perché gli umani stanno indicando ciascuno degli Y1-5 in ogni caso. La loro tendenza ad indicare Y2 = vero, ad esempio, sarà influenzata, in parte, dalla loro indicazione di Y1 e delle altre Ys.
Mi sembra che se modello Y1 ~ X1 + X2 + X3, sto ignorando le informazioni provenienti dagli stati di Y2-5. La variabile di risposta è un vettore. Voglio sapere come ogni predittore influisce su quel vettore.
Ri: Risposte a più indicatori e più predittori continuiPuoi ignorarmi, ma sono ancora più confuso.Non capisco "stati di Y2-Y5"?Sono queste diverse caratteristiche del "campione"? Gli esseri umani "osservano" un campione e determinano 0 o 1?Cosa significa 0 e 1?Arte questi definiti operativamente (per Deming)?
Se la risposta è un vettore, perché non quantifichi grandezza e direzione?
Se la risposta è una risposta categorica dalla percezione sensoriale umana, proverei a creare più categorie e utilizzare scale ordinali.Se sei preoccupato per i pregiudizi umani, assicurati che la scala sia una scala di confronto non basata sulle emozioni.Aggiungerei misure ripetute sia all'interno dell'umano che tra umani (lo stesso "campione" misurato almeno due volte dallo stesso umano e da loro altri umani).Puoi utilizzare grafici semplici per vedere se ci sono pregiudizi coerenti da parte di un particolare essere umano e puoi utilizzare la media per ridurre ciascuna di queste componenti di variazione.
Ri: Risposte a più indicatori e più predittori continuiÈ un vettore in senso matematico -- che c'è un elenco di valori piuttosto che un singolo elemento.
Non sono sicuro di come altro descrivere un insieme di 5 valori di indicatori.
In ogni osservazione, un valutatore indica per ciascuna delle 5 domande, se era vero o falso (acceso o spento, 1 o 0). È un indicatore binario di base. Cosa non è comprensibile della risposta di un indicatore binario???
I valori sono giudizi di persone che stanno valutando ciascuna delle 5 possibili "ragioni" in ciascuna osservazione. Ciascuna delle cinque risposte può essere sì o no, senza escludere che le altre siano sì o no. Quindi, in teoria, il vettore di risposta potrebbe assumere 32 diverse combinazioni.
