720799_fr-FR

liliconcom

Type de modélisation

Comment savoir quand utiliser un type de modélisation ordinale par rapport à un type nominal. Par exemple, si j'utilise des chiffres pour étiqueter un produit, dans JMP, je l'utiliserais comme type nominal, n'est-ce pas ?

Ensuite, si j'ai une certaine séquence dans laquelle ces produits sont affichés, quelle que soit la séquence (ex. 1, 2 ou 3) serait de type de modélisation ordinale correcte ? Ou seraient-ils tous deux simplement de type nominal ?

Merci pour votre aide!

Analyse et modélisation des données de baseOrganisation du contenuRe : Type de modélisation

Salut @lrovelo ,

Bienvenue dans la Communauté !

La différence entre ces deux types réside dans la notion d' ordre .

• En type nominal, il n'y a pas de relation entre différents nombres, il peut s'agir de classes indépendantes.
• En type ordinal, il y a une relation entre les nombres ou catégories, ils sont ordonnés 1 < 2 < 3... ou janvier venant avant février, ...

Vous pouvez lire l'aide JMP dédiée aux types de modélisation ici : Comprendre les types de modélisation

Ainsi, le type de modélisation n'est pas lié aux nombres/classes que vous écrivez, mais à la manière dont ils sont liés les uns aux autres.

J'espère que cette réponse vous aidera,

Re: Type de modélisation

Vainqueur

C'est un bon début, mais je pense que la demande va plus loin – du moins, j'aimerais un peu plus. Quelles plateformes ou méthodes de modélisation produisent des résultats différents selon qu'une variable est nominale ou ordinale ? Dans de nombreux cas, les résultats sont identiques, la seule différence étant l'ordre automatique ou l'ordre par défaut des variables nominales (qui pourrait ensuite être ajusté manuellement à l'aide de l'ordre des valeurs pour être équivalent à l'ordre ordinal). Cependant, je sais que certaines analyses sont réellement différentes si une variable est désignée comme ordinale. J'aimerais savoir dans quelle mesure cette désignation affecte concrètement le type d'analyse effectuée.

Re: Type de modélisation

Salut @dlehman1 ,

Sans informations complémentaires de la part de l'auteur, voici la réponse à laquelle je pouvais penser. Votre intérêt et votre connaissance du modélisme ne sont peut-être pas les mêmes que ceux de l'auteur.
Il y a des changements plus subtils dans les différentes plateformes liées au choix du nominal par rapport à l'ordinal :

• En modélisation, le codage peut différer entre les modèles nominaux et ordinaux. L'aide JMP propose de nombreuses pages relatives à cette différence de modélisation : Modèles à effets nominaux et ordinaux , Facteurs nominaux , Facteurs ordinaux, Détails statistiques pour le codage des effets nominaux …
• Dans DoE, avoir un facteur numérique discret ordinal est différent d'avoir un facteur nominal (numérique ou non), car JMP peut utiliser la relation entre les niveaux ordinaux pour réduire le nombre d'exécutions nécessaires (vous pouvez voir cela comme une sorte de contrainte « interne »)

Il faut également prendre en compte la plateforme utilisée, car le codage des facteurs nominaux peut être différent entre « Fit Least Squares » et « Fit Generalized Regression »...

https://community.jmp.com/t5/Discussions/Random-effect-test/mp/659523/highlight/true#M84878

https://community.jmp.com/t5/Discussions/How-DOE-analysis-handle-categorical-factor-in-regression/mp/661599/highlight/true#M85031

Il est donc difficile de répondre de manière générale. Cela dépend du contexte du facteur/de la variable, de l'objectif de l'étude et de la manière dont l'analyse peut interpréter les informations. Comme vous pouvez le constater, il est facile de se perdre dans le sujet, c'est pourquoi je souhaitais apporter une réponse courte. Si cette réponse n'est pas satisfaisante, d'autres membres pourront intervenir et l'auteur de la question pourra affiner la question avec plus de contexte et d'informations pour obtenir des réponses plus pertinentes et précises.

J'espère que cette réponse pourra clarifier,