명목변수를 사용한 예측 프로파일러안녕하세요 여러분!
예측 프로파일러로 분석하고 싶은 6개의 연속 변수(N0~N5)와 1개의 명목 변수("recode"라는 이름)가 있습니다. 명목형 변수 "recode"에는 4개의 값(1,2,3,4)이 있습니다.
예측 프로파일러를 시작하면 명목형 변수가 세 개의 섹션으로 "분리"됩니다(아래 이미지 참조).
어떻게 해석해야 하나요? 예를 들어 "recode"가 1 일 때 모든 변수에 대한 예측 값을 표시하도록 프로파일러를 설정하는 방법은 무엇입니까?
감사합니다!!
기본 데이터 분석 및 모델링데이터 탐색 및 시각화실험 설계Re: 명목변수를 사용한 예측 프로파일러안녕 @Lavik17 : 데이터와 제안된 모델에 대해 더 자세히 알지 못해 확실하지 않습니다. 하지만 제가 본 바에 따르면 자유도보다 더 많은 매개변수를 추정하려고 할 때 발생할 수 있는 특이점 문제가 있는 것 같습니다. 내 추측으로는 추정할 수 없는 상호작용 항에서 비롯된 것 같습니다(상호작용을 추정하는 데 필요한 요인 조합을 사용할 수 없기 때문입니다). 특이성 문제는 출력에서 식별됩니다. 데이터와 모델에 대한 추가 정보를 공유할 수 있나요?
Re: 명목변수를 사용한 예측 프로파일러죄송합니다. 귀하의 질문으로 인해 약간 혼란스럽습니다.실험을 첨부할 수 있습니까(코딩해도 괜찮습니다).범주형(명목형) 요인 설정이 잘못되었을 수 있는 것 같습니다."예측 프로파일러로 분석"이란 무엇을 의미합니까?프로파일러를 보기 전에 모델의 요인이 유용하고 통계적으로 유의한지 먼저 확인하고 싶을 수도 있습니다(예를 들어 N2 또는 N4가 큰 영향을 미치는 것으로 나타나지 않음).
Re: 명목변수를 사용한 예측 프로파일러이 모델은 Stepwise 플랫폼의 모델인가요?
Re: 명목변수를 사용한 예측 프로파일러안녕 @Lavik17 ,
암묵적으로 제안한대로 @마크_베일리 사용하는 플랫폼과 플랫폼을 시작할 때 사용한 매개변수에 따라 범주형 효과가 다르게 처리됩니다.
- "맞춤 모델"(표준 최소 제곱) 접근 방식의 경우:
" 적합 모형 시작 창에 명목형 모델링 유형의 열을 입력하면 JMP는 이를 내부적으로 일련의 연속형 표시 변수로 나타냅니다. 각 변수는 -1, 0, 1 값만 가정합니다. (이 코딩은 지시변수를 사용하여 명목변수를 코딩하는 여러 방법 중 하나입니다.) 명목 열에 N 수준, 그럼 N 이를 표현하려면 이러한 표시 변수 중 –1이 필요합니다. (에 대한 필요성 N –1 표시 변수는 명목 열과 관련된 주효과가 다음과 같다는 사실과 직접적으로 관련됩니다. N -1 자유도.) 자세한 내용은 명목상 요인 . "
에서 : 명목효과 코딩에 대한 통계적 세부사항
- "일반화 회귀"(표준 최소 제곱 또는 기타 추정 방법)의 경우:
" 일반화 회귀 특성에 사용되는 명목형 변수의 매개변수화는 다른 모형 적합 특성을 사용하는 매개변수화와 다릅니다. 일반화 회귀 특성은 지표 함수 매개변수화를 사용합니다. 이 매개변수화에서 명목변수 수준에 대한 지표에 해당하는 추정치는 해당 수준의 평균 반응과 마지막 수준의 평균 반응 간의 차이에 대한 추정치입니다. 마지막 수준은 가장 높은 값의 순서 코딩을 갖는 수준입니다. 모델에 지표 기능이 포함되지 않은 수준입니다."
From : 일반화 회귀 성격 실행
따라서 사용된 플랫폼에 따라 효과의 추정치와 p-값이 달라질 수 있습니다.
마지막으로, Stepwise 방법을 사용하는 경우 "전체 효과" 규칙을 선택하지 않으면 사용 중인 프로파일러로 끝날 수 있습니다. 왜냐하면 Stepwise 선택은 사용자가 지정한 규칙에 따라 중요한 용어만 선택하기 때문입니다. 이는 범주형 요인에서 소수의 "수준"만 선택하여 프로파일러의 여러 요인으로 이 범주형 요인을 분할할 수 있습니다.
자세한 내용은 여기를 참조하세요: https://www.jmp.com/support/help/en/17.2/index.shtml#page/jmp/stepwise-regression-control-panel.shtml#ww311299
이것이 당신에게 도움이 되기를 바랍니다.
