預測篩選我正在嘗試使用預測因子篩選平台，儘管我已經瀏覽了 JMP 上的範例，但我仍然有疑問。
我將回應變數設定為“是”、“否”格式，如範例所示；但是，當我查看哪些變數是反應的最佳預測因子時，我該如何解釋結果？排名第一的變數是「是」結果還是「否」結果的最佳預測變數？或者是您執行此分析然後進行另一次分析的想法？
成功的結果？ | | |
預測器 | 貢獻 | 部分 | | 秩 | |
變數1 | 4.36861 | 0.3072 | | 1 | |
變數4 | 4.36012 | 0.3066 | | 2 | |
變數5 | 2.29150 | 0.1612 | | 3 | |
變數2 | 1.98570 | 0.1396 | | 4 | |
變數3 | 1.21356 | 0.0853 | | 5 | |
然後我想進一步分析，看看哪個變數是某種治療成功結果的最佳預測因子。為此，我只過濾了我想要的治療數據，然後排除了我不想要的數據，然後重新進行分析。這是正確的嗎？
我的最後一個問題是 JMP 範例中的資料都是字元名義資料。如果我的預測變數是字元序數，或者該平台僅適用於字元標稱數據，那麼我的結果是否準確？
基礎資料分析與建模回覆：預測因子篩選我不確定您正在遵循什麼範例，因此我無法具體說明您所展示的內容。但我可以說，您當然可以混合名目預測器和連續預測器，並且仍然使用預測器篩選。您的第一個問題聽起來像是在問排名是否適用於預測「是」或「否」。對於二元變量，每個結果的排名都是相同的，因為它必須是對稱的 - 如果一個變數適合預測“是”，那麼它也必須適合預測“否”。如果我理解您的其他問題，那麼您的數據中有多種治療方法，並且您希望對單一治療方法應用預測因子篩選，而不是將它們匯總在一起。如果是這樣，您可以對它們進行子集化並使用預測因子篩選。或者，您可以將治療方法放入「按」方塊中，並分別對每種治療方法進行預測因子篩選。如果您有多種治療方法（多重比較問題），那麼解釋結果可能會出現統計問題，這可能會使您的統計結果被過度估計 - 但我將把這個問題留給統計學家來回答。
您還有另一個問題 - 關於是否使用預測因子篩選，然後進行另一項分析。我認為答案是肯定的。預測因子篩選使用 Bootstrap Forest 來識別最重要的預測因子。一旦您知道要使用哪些預測變量，其他預測模型可能會表現得更好。當您使用該平台而不是預測器篩選時，即使執行 Bootstrap Forest 也會為您帶來不同的結果，因為它在建模中使用更多調整變數（您可以進一步調整）。預測變數篩選提供了縮小重要預測變數範圍的快速第一步，但模型篩選將是下一步使用這些預測變數實際建立更好的模型。
