798376_es-ES

liliconcom

Cambie la codificación predeterminada -1 1 de la variable categórica a la codificación 0 1

Estimada comunidad JMP,

Descubrí que al ajustar una regresión lineal múltiple (y ~ X1 + X2, X1 es una variable continua y X2 es una variable categórica), de manera predeterminada, JMP define la variable ficticia X2 como -1 1. ¿Hay alguna manera de cambiarla a 0 1, que será la misma que la codificación de variable ficticia predeterminada como R? ¡Gracias!

Análisis y modelado de datos básicosRe: Cambiar la codificación predeterminada -1 1 de la variable categórica a la codificación 0 1

Hola @Jogger560 : En el menú desplegable del triángulo rojo en la parte superior de la salida del modelo de ajuste, hay una opción para Estimaciones de parametrización del indicador.

Re: Cambiar la codificación predeterminada -1 1 de la variable categórica a la codificación 0 1

El consejo para codificar los niveles de los factores de manera consistente es equivalente-distante, centrado en 0. Por lo tanto, -1, 1 para 2 niveles, -1,0,1 para 3 niveles.

Esta es una cita de Mark Bailey: La codificación beneficia el análisis de varias maneras:

• Las estimaciones de los parámetros son comparables y son independientes de la escala asociada (unidades).
• Las estimaciones de los parámetros son interpretables. La intersección cuando se estima con valores reales es la respuesta cuando todos los factores son cero. ¿Qué significa eso? Con la codificación, la intersección es la respuesta media en el origen (centro) de su diseño. Los demás parámetros aún representan el cambio en la respuesta para un cambio de 1 unidad en el factor, pero en el espacio codificado, un cambio de 1 unidad es la mitad del rango. Si duplica la estimación, ese es el cambio en la respuesta en todo el rango del factor.
• Las estimaciones de los parámetros no están correlacionadas o lo están mínimamente. Esto preserva la potencia para las pruebas de significancia.

Re: Cambiar la codificación predeterminada -1 1 de la variable categórica a la codificación 0 1

Hola @statman : entendí que su pregunta era sobre el factor categórico (X2 en su OP); ¿parece que estás discutiendo la covariable X1?

Re: Cambiar la codificación predeterminada -1 1 de la variable categórica a la codificación 0 1

La codificación se aplica a cualquier tipo de factor en un experimento, continuo o categórico. Esto permite una fácil comparación de los coeficientes para el análisis.

Re: Cambiar la codificación predeterminada -1 1 de la variable categórica a la codificación 0 1

Hola @statman : Quizás, pero tu primera y tercera viñetas no parecen relevantes para la categoría categórica X2.

Re: Cambiar la codificación predeterminada -1 1 de la variable categórica a la codificación 0 1

Acabo de copiar y pegar los comentarios de Mark Baileys sobre la codificación de factores... No quería seleccionar lo que él escribió:

https://community.jmp.com/t5/Discussions/DOE-Code-and-Uncoded-levels-of-factor/td-p/61864

Re: Cambiar la codificación predeterminada -1 1 de la variable categórica a la codificación 0 1

¡Muchas gracias! También necesito obtener la correlación de las estimaciones bajo la codificación 0,1, ¿hay alguna manera de hacerlo?

Re: Cambiar la codificación predeterminada -1 1 de la variable categórica a la codificación 0 1

Hola @statman : De hecho, no estoy en desacuerdo con lo que escribió Mark con respecto a las variables continuas, pero eso no es relevante para los factores categóricos.

https://www.jmp.com/support/help/en/18.0/index.shtml#page/jmp/nominal-factors.shtml#

Re: Cambiar la codificación predeterminada -1 1 de la variable categórica a la codificación 0 1

Hola @Jogger560 : Estoy en el mismo lugar. ¡Hay todo tipo de opciones en los menús desplegables con forma de triángulo rojo!

Re: Cambiar la codificación predeterminada -1 1 de la variable categórica a la codificación 0 1

Hola @Jogger560 : Mmm, algunas personas de JMP podrían querer participar en este tema, pero no creo que esté disponible directamente. Sin embargo, puedes obtenerlo tú mismo. La matriz Var-Cov de las estimaciones de MCO se define en la página 8 aquí.

https://web.stanford.edu/~mrosenfe/soc_meth_proj3/matrix_OLS_NYU_notes.pdf