제 분야는 소비자 조사입니다. 설명 변수 7개와 반응 변수 1개가 있으며, 모두 범주형 변수입니다.
제 목표는 반응 변수를 설명 변수 하나 또는 여러 변수의 조합으로 대체하는 것입니다.
내 접근 방식:
- 각 설명 변수에 대한 대응 분석을 응답과 함께 수행합니다.
- 분할 분석에서 R-제곱(U) 값이 가장 높은 설명 변수를 선택하십시오. 수준 수가 다르기 때문에 우도비나 피어슨 카이제곱 값은 모형 선택에 도움이 되지 않을 것 같습니다.
- 연관 측정 표에서 람다 값과 불확실성 값을 사용하세요. 가장 높은 값을 갖는 설명 변수를 선택하세요.
아래는 비상 분석의 변수와 결과를 설명하는 요약입니다.
변수 # |
# 레벨 |
Rsq(U) |
LR-카이 제곱 |
피어슨 카이 제곱 |
람다 비대칭(C|R, R|C) |
람다 기호 |
불확정성 계수(C|R, R|C) |
불확정성 계수(Sym) |
A |
4 |
.08 |
248 |
268 |
.08, .13 |
.1 |
.08, .08 |
.08 |
B |
3 |
.02 |
76 |
75 |
.06, .02 |
.04 |
.02, .03 |
.03 |
C |
10 |
.04 |
136 |
153 |
.05, .04 |
.045 |
.04, .03 |
.034 |
D |
10 |
.31 |
961 |
1207 |
.33, .13 |
.22 |
.3, .2 |
.245 |
E |
18 |
.34 |
1056 |
1498 |
.34, .1 |
.21 |
.34, .19 |
.24 |
F |
40 |
.345 |
1084 |
1590 |
.34, .05 |
.17 |
.35, .15 |
.21 |
G |
6 |
.32 |
1000 |
1286 |
.35, .28 |
.31 |
.32, .26 |
.29 |
반응 변수에는 6개의 수준이 있습니다.
변수 D, E, F, G의 수준은 강도가 높은 순으로 정렬되어 있습니다. 낮은 경계와 높은 경계는 비슷하다고 가정합니다.
질문:
- 설명된 접근 방식이 타당한가요?
- D, E, F, G 중 하나(저는 G를 선택할 의향이 있습니다)를 A, B, C 중 하나 이상과 결합하여 더 나은 모델(즉, 응답에 대한 더 나은 대체 모델)을 얻을 수 있을까요? 그렇다면 어떻게 해야 하며, 최적의 모델을 선택하기 위해 어떤 지표를 사용할 수 있을까요?
