Perfilador de predicción con variables nominales.¡Hola a todos!
Tengo 6 variables continuas (N0 a N5) y una variable nominal (llamada "recodificar") que me gustaría analizar con el generador de perfiles de predicción. La variable nominal "recodificar" tiene 4 valores (1,2,3,4).
Cuando inicio el generador de perfiles de predicción, la variable nominal se "divide" en tres secciones (ver imagen a continuación).
¿Cómo lo interpreto? por ejemplo, ¿cómo configuro el generador de perfiles para que muestre los valores previstos para todas las variables cuando "recodificar" sea igual a 1?
¡¡Gracias!!
Análisis y modelado de datos básicosExploración y visualización de datosDiseño de experimentosRe: Perfilador de predicción con variables nominalesHola @Lavik17 : No estoy seguro sin saber más sobre los datos y el modelo propuesto; pero, según lo que veo, supongo que tienes algún problema de singularidad que puede ocurrir cuando intentas estimar más parámetros que grados de libertad. Supongo que surge de términos de interacción que no son estimables (porque las combinaciones de factores necesarias para estimar las interacciones no están disponibles). Los problemas de singularidad se identificarán en el resultado. ¿Puedes compartir más información sobre tus datos y modelo?
Re: Perfilador de predicción con variables nominalesLo siento, estoy un poco confundido por tu consulta.¿Es posible que adjunte su experimento (está bien codificarlo)?Parece que es posible que el factor categórico (nominal) esté configurado incorrectamente.¿Qué quiere decir con "analizar con perfilador de predicción"?Es posible que primero desee determinar si los factores en su modelo son útiles y estadísticamente significativos antes de mirar el generador de perfiles (por ejemplo, no parece que N2 o N4 tengan mucho efecto).
Re: Perfilador de predicción con variables nominales¿Es este modelo de la plataforma Stepwise?
Re: Perfilador de predicción con variables nominalesHola @Lavik17 ,
Como lo sugiere implícitamente @Mark_Bailey Dependiendo de la plataforma que utilice y de los parámetros que haya utilizado al iniciar una plataforma, los efectos categóricos se manejan de manera diferente:
- Para el enfoque de "Ajustar modelo" (mínimos cuadrados estándar):
" Cuando ingresa una columna con un tipo de modelado nominal en la ventana de inicio de Ajustar modelo, JMP la representa internamente como un conjunto de variables indicadoras continuas. Cada variable asume sólo los valores –1, 0 y 1. (Tenga en cuenta que esta codificación es una de las muchas formas de utilizar variables indicadoras para codificar variables nominales). Si su columna nominal tiene norte niveles, entonces norte –Se necesita 1 de estas variables indicadoras para representarlo. (La necesidad de norte –1 variable indicadora se relaciona directamente con que el principal efecto asociado a la columna nominal tiene norte –1 grados de libertad.) Los detalles completos se tratan en Factores nominales . "
De : Detalles estadísticos para la codificación de efectos nominales
- Para "Regresión generalizada" (mínimos cuadrados estándar u otros métodos de estimación):
" La parametrización de las variables nominales utilizadas en la personalidad de Regresión Generalizada difiere de su parametrización utilizando otras personalidades del Modelo de Ajuste. La personalidad de Regresión Generalizada utiliza la parametrización de funciones indicadoras. En esta parametrización, la estimación que corresponde al indicador para un nivel de una variable nominal es una estimación de la diferencia entre la respuesta media en ese nivel y la respuesta media en el último nivel. El último nivel es el nivel con la codificación de orden de valor más alto; es el nivel cuya función indicadora no está incluida en el modelo."
De: Lanzar la Personalidad de Regresión Generalizada
Por lo tanto, puede terminar con diferentes estimaciones y valores p de efectos según la plataforma utilizada.
Y finalmente, si está utilizando el método paso a paso, puede terminar con el generador de perfiles que tiene si no selecciona la regla "Efecto completo", ya que la selección paso a paso solo seleccionará términos significativos según las reglas que haya especificado. que puede seleccionar sólo unos pocos "niveles" de un factor categórico, lo que da como resultado la división de este factor categórico en varios factores en el generador de perfiles.
Más información aquí: https://www.jmp.com/support/help/en/17.2/index.shtml#page/jmp/stepwise-regression-control-panel.shtml#ww311299
Espero que esto te ayudará,
