Respuestas de indicadores múltiples y predictores continuos múltiplesHola de nuevo, estoy usando JMP Pro 15.2.1. Tengo un conjunto de datos donde cada observación tiene tres predictores continuos y cinco respuestas indicadoras (sí/no). Para cada observación, cualquiera o todos los indicadores pueden estar presentes. Quiero modelar los efectos simultáneos de varios predictores en una variable de respuesta multidimensional.
Parece que no puedo encontrar el enfoque correcto para estos datos. JMP se resiste a múltiples respuestas categóricas o al hecho de que mis predictores son continuos.
Modelado Estadístico AvanzadoRe: Respuestas de indicadores múltiples y predictores continuos múltiplesHola @gchesterton ,
Podría estar malinterpretando lo que está tratando de hacer, pero esto no debería ser un problema en JMP.
Analizar > Ajustar modelo.
Especifique sus 5 respuestas binarias en el rol Y.
Agregue sus 3 predictores continuos al esquema Construir efectos del modelo.
Correr.
¿Es eso lo que has probado? Si es así, ¿cuál fue el problema?
Siempre ayuda si puede adjuntar una tabla de datos .jmp de ejemplo ilustrativo. Sin embargo, no hay datos confidenciales.
Espero que esto ayude,
phil
Re: Respuestas de indicadores múltiples y predictores continuos múltiplesGracias @Phil_Kay , su enfoque propuesto es precisamente lo que hice y lo que esperaba que funcionara. Pero JMP me dice que solo puedo incluir una respuesta nominal. Como puede suponer, mis respuestas nominales están cada una en sus propias columnas. Obviamente, podría apilarlos en una sola columna de datos y agregar una columna de etiqueta de origen.
Re: Respuestas de indicadores múltiples y predictores continuos múltiplesNo soy capaz de replicar ese comportamiento.
Una vez más, sería de gran ayuda adjuntar datos de ejemplo para ilustrar la consulta.
phil
Re: Respuestas de indicadores múltiples y predictores continuos múltiplesHe adjuntado un archivo de texto separado por comas. Estos son datos sin procesar reales con los encabezados cambiados. Los predictores deberían estandarizarse/transformarse, pero no creo que ese sea el problema en este momento.
Re: Respuestas de indicadores múltiples y predictores continuos múltiples@Phil_Kay además de ese conjunto de datos, aquí está mi diálogo en JMP.
Re: Respuestas de indicadores múltiples y predictores continuos múltiplesAbrí el archivo CSV en la versión actual, JMP Pro 17.2, y cambié el tipo de modelado de todas las columnas Y a Nominal. Completé el cuadro de diálogo de inicio Ajustar modelo como indicó. Recibí los siguientes resultados sin ningún error:
(Tenga en cuenta que el informe de las primeras cuatro Y está cerrado por razones de espacio).
Re: Respuestas de indicadores múltiples y predictores continuos múltiplesHola, @gchesterton .
Todavía no puedo reproducir tu problema. ¿Quizás porque estoy en JMP Pro 17.1.0 en Windows?
Le sugiero que se ponga en contacto con el soporte técnico ( support@jmp.com ).
En cualquier caso, probablemente sea bueno entender que lo que obtendrá de Fit Model serán, de hecho, modelos separados para cada respuesta, pero todo en una ventana de informe de JMP. Por lo tanto, puede solucionar su problema ajustando cada modelo por separado: los modelos serán los mismos.
Re: Respuestas de indicadores múltiples y predictores continuos múltiplesDe hecho, puedo producir un modelo separado para cada respuesta nominal. Pero mi motivación para insertar las cinco variables de respuesta en la ventana de respuesta no fue simplificar el proceso de hacer cinco modelos separados. En cambio, mi pensamiento es que estoy tratando con una respuesta multidimensional. Estas respuestas no son independientes, por lo que pensé que al incluir múltiples variables de respuesta en un ajuste de modelo único, las reconocería como una respuesta multivariada. En otras palabras, el estado conjunto de Y1-5 con los predictores X1,2,3.
Podría modelar Y1 ~ X1+X2+X3 + Y2+Y3+Y4+Y5 pero creo que lo que realmente quiero es Y1 + ... + Y5 ~ X1 + X2 + X3.
Re: Respuestas de indicadores múltiples y predictores continuos múltiplesTiene sentido, @gchesterton . Quiere entender simultáneamente los efectos de X1... X3 en todas las respuestas Y1... Y5.
Podríamos ponernos muy filosóficos sobre lo que quiere decir con "las respuestas no son independientes" y podríamos explorar técnicas de modelado sofisticadas que tratan Y1... Y5 como una especie de respuesta multivariante agrupada.
Pero el enfoque pragmático que la gente usará el 99% del tiempo es construir modelos separados para cada uno de Y1... Y5 contra X1 .... X3 y luego perfilarlos juntos:
Estos son todavía modelos separados.
El proceso para hacer esto es guardar la fórmula de probabilidad para cada modelo:
Y luego agregue la columna de fórmula de predicción Prob[1] a Y, rol de Fórmula de predicción en Gráfico > Perfilador.
Espero que esto ayude,
phil
Re: Respuestas de indicadores múltiples y predictores continuos múltiplesHe estado siguiendo esta discusión y admito que la información que ha proporcionado es demasiado vaga para proporcionar un consejo específico. Es muy difícil dar consejos sin el contexto adecuado y, lamentablemente, como suele ser el caso en un foro como este, puede ser difícil proporcionar el contexto adecuado. Aquí están mis pensamientos que pueden no ser útiles en absoluto:
No estoy muy seguro de lo que quiere decir con una "respuesta multidimensional".Más adelante indica que se trata de "respuestas multivariadas", lo que simplemente significa que tiene múltiples variables de respuesta.Usted sugiere que no son independientes, ¿cómo determinó esto? Sería bueno saber cómo se correlacionan las 5 respuestas nominales, pero puede que no sea posible evaluarlo.Me pregunto si puede crear una variable de respuesta que sea una función de las 5 respuestas nominales.¿Quizás una escala ordinal en lugar de una respuesta nominal?
Re: Respuestas de indicadores múltiples y predictores continuos múltiplesComo se indica en el OP, cada observación tiene 3 predictores continuos y 5 respuestas de indicador. El estado de Y1 (1 o 0) depende, en parte, de los estados de Y2-5. Eso es porque los humanos están indicando cada uno de los Y1-5 en cada caso. Su tendencia a indicar Y2 = verdadero, por ejemplo, estará influenciada, en parte, por su indicación de Y1 y las otras Y.
Me parece que si modelo Y1 ~ X1 + X2 + X3, estoy ignorando la información proveniente de los estados de Y2-5. La variable de respuesta es un vector. Quiero saber cómo afecta cada predictor a ese vector.
Re: Respuestas de indicadores múltiples y predictores continuos múltiplesPuedes ignorarme, pero estoy aún más confundido.No entiendo "estados de Y2-Y5"?¿Son estas características diferentes de la "muestra"? ¿Los humanos "observan" una muestra y determinan 0 o 1?¿Qué significa 0 y 1?¿Arte estas operativamente definido (según Deming)?
Si la respuesta es un vector, ¿por qué no cuantificas la magnitud y la dirección?
Si la respuesta es una respuesta categórica de la percepción sensorial humana, intentaría crear más categorías y usar escalas ordinales.Si le preocupa el sesgo humano, asegúrese de que la escala sea una escala de comparación que no se base en la emoción.Agregaría medidas repetidas tanto dentro de humanos como entre humanos (la misma "muestra" medida al menos dos veces por el mismo humano y los otros humanos).Puede usar gráficos simples para ver si hay sesgos consistentes de un ser humano en particular y puede usar el promedio para reducir cada uno de esos componentes de variación.
Re: Respuestas de indicadores múltiples y predictores continuos múltiplesEs un vector en el sentido matemático: que hay una lista de valores en lugar de un solo elemento.
No estoy seguro de qué otra manera describir un conjunto de 5 valores de indicadores.
En cada observación, un evaluador indica para cada una de las 5 preguntas, si fue verdadero o falso (encendido o apagado, 1 o 0). Es un indicador binario básico. ¿Qué no es comprensible sobre la respuesta de un indicador binario?
Los valores son juicios de personas que evalúan cada una de las 5 posibles 'razones' en cada observación. Cada una de las cinco respuestas puede ser sí o no, sin exclusión de que las demás sean sí o no. Entonces, teóricamente, el vector de respuesta podría tomar 32 combinaciones diferentes.
