Vorhersageprofiler mit nominalen VariablenHallo zusammen!
Ich habe 6 kontinuierliche Variablen (N0 bis N5) und eine nominale Variable (mit dem Namen „recode“), die ich mit dem Vorhersageprofiler analysieren möchte. Die Nominalvariable „recode“ hat 4 Werte (1,2,3,4).
Wenn ich den Vorhersageprofiler starte, wird die Nominalvariable in drei Abschnitte „unterteilt“ (siehe Abbildung unten).
Wie interpretiere ich es? Wie stelle ich beispielsweise den Profiler so ein, dass er die vorhergesagten Werte für alle Variablen anzeigt, wenn „recode“ gleich 1 ist?
Danke schön!!
Grundlegende Datenanalyse und ModellierungDatenexploration und -visualisierungVersuchsplanungBetreff: Vorhersageprofiler mit nominalen VariablenHallo @Lavik17 : Ich bin mir nicht sicher, ohne mehr über die Daten und Ihr vorgeschlagenes Modell zu wissen; aber basierend auf dem, was ich sehe, vermute ich, dass Sie ein Singularitätsproblem haben, das auftreten kann, wenn Sie versuchen, mehr Parameter zu schätzen, als Sie Freiheitsgrade haben. Ich vermute, dass es sich um Interaktionsterme handelt, die nicht schätzbar sind (da die zur Schätzung von Interaktionen erforderlichen Faktorkombinationen nicht verfügbar sind). Singularitätsprobleme werden in der Ausgabe identifiziert. Können Sie weitere Informationen zu Ihren Daten und Ihrem Modell mitteilen?
Betreff: Vorhersageprofiler mit nominalen VariablenEntschuldigung, Ihre Anfrage verwirrt mich etwas.Ist es für Sie möglich, Ihr Experiment anzuhängen (es ist in Ordnung, es zu codieren)?Es scheint, dass Sie den kategorialen (nominalen) Faktor möglicherweise falsch eingerichtet haben.Was meinst du mit „Analyse mit Vorhersageprofiler“?Möglicherweise möchten Sie zunächst feststellen, ob die Faktoren in Ihrem Modell nützlich und statistisch signifikant sind, bevor Sie sich den Profiler ansehen (z. B. sieht es so aus, als hätten N2 oder N4 keine große Auswirkung).
Betreff: Vorhersageprofiler mit nominalen VariablenIst dieses Modell von der Stepwise-Plattform?
Betreff: Vorhersageprofiler mit nominalen VariablenHallo @Lavik17 ,
Wie implizit von vorgeschlagen @Mark_Bailey Abhängig von der Plattform, die Sie verwenden, und den Parametern, die Sie beim Starten einer Plattform verwendet haben, werden kategoriale Effekte unterschiedlich gehandhabt:
- Für den Ansatz „Modell anpassen“ (Standard-Kleinste-Quadrate):
" Wenn Sie im Startfenster „Modell anpassen“ eine Spalte mit einem nominalen Modellierungstyp eingeben, stellt JMP diese intern als einen Satz kontinuierlicher Indikatorvariablen dar. Jede Variable nimmt nur die Werte –1, 0 und 1 an. (Beachten Sie, dass diese Codierung eine von vielen Möglichkeiten ist, Indikatorvariablen zum Codieren von Nominalvariablen zu verwenden.) Wenn Ihre Nominalspalte dies hat N Ebenen also N Zur Darstellung wird –1 dieser Indikatorvariablen benötigt. (Das Bedürfnis nach N –1 Indikatorvariablen beziehen sich direkt auf die Tatsache, dass der Haupteffekt mit der nominalen Spalte verbunden ist N –1 Freiheitsgrade.) Ausführliche Informationen finden Sie in Nominale Faktoren . "
Aus : Statistische Details zur Nominaleffektkodierung
- Für „Generalisierte Regression“ (Standard-Methode der kleinsten Quadrate oder andere Schätzmethoden):
" Die Parametrisierung nominaler Variablen, die in der Persönlichkeit der Generalisierten Regression verwendet werden, unterscheidet sich von ihrer Parametrisierung mithilfe anderer Fit-Modell-Persönlichkeiten. Die Persönlichkeit der Generalisierten Regression verwendet die Parametrisierung von Indikatorfunktionen. Bei dieser Parametrisierung ist die Schätzung, die dem Indikator für eine Ebene einer nominalen Variablen entspricht, eine Schätzung der Differenz zwischen der mittleren Antwort auf dieser Ebene und der mittleren Antwort auf der letzten Ebene. Die letzte Ebene ist die Ebene mit der höchstwertigen Ordnungscodierung; es ist die Ebene, deren Indikatorfunktion nicht im Modell enthalten ist.“
Von: Starten Sie die generalisierte Regressionspersönlichkeit
Abhängig von der verwendeten Plattform kann es also sein, dass Sie unterschiedliche Schätzungen und p-Werte der Effekte erhalten.
Und schließlich, wenn Sie die schrittweise Methode verwenden, erhalten Sie möglicherweise den Profiler, den Sie haben, wenn Sie nicht die Regel „Gesamteffekt“ auswählen, da bei der schrittweisen Auswahl nur wichtige Begriffe basierend auf den von Ihnen angegebenen Regeln ausgewählt werden. Dadurch werden möglicherweise nur wenige „Ebenen“ aus einem kategorialen Faktor ausgewählt, was dazu führt, dass dieser kategoriale Faktor im Profiler in mehrere Faktoren aufgeteilt wird.
Weitere Infos hier: https://www.jmp.com/support/help/en/17.2/index.shtml#page/jmp/stepwise-regression-control-panel.shtml#ww311299
Ich hoffe, das wird Ihnen helfen,
