名目変数を使用した予測プロファイラーこんにちは、みんな！
6 つの連続変数 (N0 から N5) と 1 つの名目変数 (「recode」という名前) があり、これらを予測プロファイラーで分析したいと考えています。 公称変数「recode」には 4 つの値 (1、2、3、4) があります。
予測プロファイラーを開始すると、名目変数は 3 つのセクションに「分割」されます (下の画像を参照)。
どう解釈すればいいでしょうか？たとえば、「recode」が 1 に等しい場合にすべての変数の予測値を表示するようにプロファイラーを設定するにはどうすればよいですか?
ありがとう！！
基本的なデータ分析とモデリングデータの探索と視覚化実験計画法Re: 名目変数を使用した予測プロファイラーこんにちは@Lavik17 : データと提案されたモデルについて詳しく知らないとわかりません。しかし、私が見たところによると、自由度よりも多くのパラメーターを推定しようとすると、特異点の問題が発生する可能性があると思います。 私の推測では、これは推定不可能な交互作用項に起因していると考えられます (交互作用を推定するために必要な因子の組み合わせが利用できないため)。 特異点の問題は出力で特定されます。 データとモデルについてさらに詳しい情報を共有してもらえますか?
Re: 名目変数を使用した予測プロファイラー申し訳ありませんが、あなたの質問には少し混乱しています。実験を添付していただけますか (コーディングしても構いません)。カテゴリカル (公称) 因子の設定が間違っている可能性があります。「予測プロファイラーで分析する」とはどういう意味ですか?プロファイラーを確認する前に、まずモデル内の因子が有用で統計的に有意であるかどうかを判断することをお勧めします (たとえば、N2 または N4 はあまり効果がないようです)。
Re: 名目変数を使用した予測プロファイラーこのモデルは Stepwise プラットフォームのものですか?
Re: 名目変数を使用した予測プロファイラーこんにちは@Lavik17 、
暗黙的に示唆されているように、 @Mark_Bailey使用するプラットフォームと、プラットフォームの起動時に使用したパラメーターに応じて、カテゴリ効果は異なる方法で処理されます。
- 「モデルの適合」(標準最小二乗法) アプローチの場合:
」 「モデルの適合」起動ウィンドウに公称モデリング・タイプの列を入力すると、JMP はそれを一連の連続指標変数として内部的に表します。 各変数は、値 –1、0、および 1 のみを想定します。 (このコーディングは、指標変数を使用してノミナル変数をコーディングする多くの方法のうちの 1 つであることに注意してください。) nレベル、その後nこれを表すには、これらの指標変数のうち -1 つが必要です。 (必要性n -1 の指標変数は、名目列に関連付けられた主効果が次のような影響を与えるという事実に直接関係します。 n -1 の自由度。) 詳細については、「名目係数。 」
から ：名目効果コーディングの統計的詳細
- 「一般化回帰」(標準最小二乗法またはその他の推定方法) の場合:
」一般化回帰パーソナリティで使用される名目変数のパラメータ化は、他のフィット モデル パーソナリティを使用するパラメータ化とは異なります。 一般化回帰パーソナリティは、指標関数のパラメーター化を使用します。 このパラメータ化では、名目変数のレベルの指標に対応する推定値は、そのレベルでの平均応答と最後のレベルでの平均応答との差の推定値です。 最後のレベルは、最も高い値の順序でコーディングされたレベルです。モデルにインジケーター機能が含まれていないレベルです。」
から: 一般化回帰パーソナリティを起動します
したがって、使用するプラットフォームに応じて、効果の推定値と p 値が異なる場合があります。
最後に、ステップワイズ法を使用している場合、ステップワイズ選択では指定したルールに基づいて重要な用語のみが選択されるため、ルール「全体の効果」を選択しないと、手持ちのプロファイラーが使用される可能性があります。カテゴリカル因子から少数の「レベル」のみを選択する可能性があり、その結果、プロファイラー上でこのカテゴリカル因子がいくつかの因子に分割されます。
詳細はこちら: https://www.jmp.com/support/help/en/17.2/index.shtml#page/jmp/stepwise-regression-control-panel.shtml#ww311299
これがお役に立てば幸いです。
