Ciao Comunità,
Ho un DoE con diverse variabili di risposta. Una di queste variabili di risposta è una variabile ordinale con livelli: -3, -2, -1, 0, 1, 2 e 3.
La mia domanda è: qual è il modo migliore o più pertinente per modellare questa variabile di risposta? È modellarla come una variabile ordinale usando la regressione logistica? Oppure considerare la variabile come continua e usare i tradizionali minimi quadrati ordinali potrebbe essere un'alternativa? Ci sono avvertenze sui due approcci?
Inoltre, dovrei in qualche modo dire a jmp che questa è una scala finita e che non sono previsti risultati oltre -3 o 3?
Grazie per ogni eventuale suggerimento su questo argomento.
Giuliano
Non c'è abbastanza contesto per dare consigli specifici, ma ecco i miei pensieri/domande. Cos'è la scala ordinale? Si basa sulla categorizzazione umana/percezione sensoriale? Hai valutato la variazione di misurazione in questa risposta?
Cercherei di vedere se la risposta ordinale è correlata alle altre variabili di risposta (assicurati che la risposta ordinale sia impostata su continua). Sarà meno che perfetto, ma guarda i diagrammi di dispersione. Quindi proverei entrambi i metodi di analisi. Sono d'accordo?
Ciao @Julianveda ,
Sembra che la tua risposta ordinale possa essere una valutazione sensoriale, molto simile a una scala Likert: Scala Likert — Wikipedia .
Potrebbe essere molto difficile aiutarti concretamente sul tuo caso d'uso, poiché potrebbe dipendere da vari fattori, alcuni legati alla capacità del sistema di misurazione e all'accordo tra gli operatori, alla sensibilità, ... e alcuni legati alle caratteristiche del campione di dati e alla scelta dell'algoritmo. Poiché @statman ha già menzionato quello legato alla capacità del sistema di misurazione, mi concentrerò sul campione di dati e sulla scelta dell'algoritmo.
- Informazioni sulle caratteristiche del campione di dati :
7 punti sono effettivamente il numero di livelli consigliato per questo tipo di scala, ma la sua efficacia dipende dall'equilibrio dei dati e dalla rappresentatività tra i diversi livelli, così come dalla quantità dei dati (e qualità! segnale/rumore). In situazioni di forte squilibrio o se alcune classificazioni non sono (o raramente) utilizzate dagli operatori, potrebbe essere molto difficile analizzare i dati "così come sono", quindi potrebbe essere utile pre-elaborare/pulire i dati, ad esempio raggruppando/binning alcune classificazioni/classi insieme. Semplificare il numero di classi può aiutare i modelli logistici o altri algoritmi a "capire" le regole per separare al meglio le classi. Ma non "semplificare troppo" il tuo problema, o rischi di avere un modello "inutile" con solo conclusioni/risultati banali, o di avere classi molto rumorose con molte "realtà"/livelli diversi in ciascuna di esse.
Considera inoltre che usare le tue valutazioni come risposta ordinale implica di stimare più coefficienti rispetto a una risposta numerica continua: dovrai stimare n-1 intercette (n è il numero di classi) e le stime dei parametri collegate ai tuoi fattori (effetti principali, interazioni, ... a seconda del tuo modello assunto). Potrebbe accadere che con un DoE non hai abbastanza dati per stimare tutti questi coefficienti, quindi potresti dover scegliere di semplificare le tue classi (raggruppandone alcune) e/o usare una risposta continua e/o usare un diverso tipo di modello/algoritmo (sezione successiva).
La scelta di usare risposte ordinali e/o continue può anche essere legata al numero di classi per la tua risposta, così come alla spaziatura uniforme/pari tra le classi (da un punto di vista numerico e sensoriale): anche se le tue classi hanno una differenza di uno tra ogni classe vicina (uniformemente spaziate da un punto di vista numerico), l'operatore "sente" davvero questa linearità e uniformità nella valutazione? Oppure ci sono delle "lacune" o differenze nella percezione (come nessuna o piccola percezione della differenza tra le classi intermedie -1, 0 e 1, o tra le classi estreme -3 e -2 o 2 e 3)? La valutazione comporta un benchmark (annotato 0) in modo che la valutazione dei tuoi esperimenti possa essere fatta in riferimento a un altro campione di riferimento?
- Sulla scelta dell'algoritmo :
A seconda della linearità della separazione tra classi/valutazioni (e dell'ipotesi di linearità tra risposta e predittori), la regressione logistica potrebbe incontrare alcuni problemi; potrebbe essere interessante provare a usare altri tipi di modelli/algoritmi, che potrebbero aiutare a separare le classi in modo non lineare. Alcuni algoritmi di Machine Learning sono efficaci nel separare le classi in modo non lineare con un rischio ridotto di overfitting, quindi potresti provare a usare ad esempio Bootstrap Forest e Support Vector Machines . Questi algoritmi possono essere usati anche se decidi di considerare la tua risposta come numerica continua.
Se le tue classi sono linearmente separabili e i tuoi input sono continui, puoi anche controllare l' analisi discriminante e vedere in che modo i diversi metodi concordano o differiscono nei risultati.
In ogni caso, consiglierei di tracciare prima i dati e visualizzare le tendenze prima di fare qualsiasi analisi. Riesci a individuare alcune tendenze/modelli? La separazione tra classi sembra facile/difficile (visualizza o analizza la risposta in base a ciascun predittore in modo univariato per esplorare i tuoi dati)?
Spero che questa risposta complementare abbia senso per te e ti aiuti,
Grazie @statman per il tuo aiuto:)
Grazie mille @Victor_G per i numerosi e dettagliati consigli:)
Ho testato il binning, ma non ho ancora testato la maggior parte delle altre alternative. Sfortunatamente non ho la versione pro, quindi per le alternative ML devo testarle altrove o attenermi alle alternative meno avanzate.
