Question sur les conventions de codage des facteurs dans Fit Model PlatformBonjour la communauté,
J'utilise Fit Model pour analyser les contributions des facteurs nominaux et continus dans un système. J'obtiens des estimations de paramètres (et une signification) différentes entre JMP et Python. Je comprends que cela pourrait être lié à la façon dont les facteurs nominaux sont codés (codage des effets (par défaut dans JMP) ou codage factice (par défaut dans Python). J'ai essayé de trouver un moyen de sélectionner comment passer d'une convention à l'autre, mais je n'y parviens pas. Des guides en ligne mentionnent cette option soit dans les informations de colonne, soit dans la zone « Effets du modèle » lorsque je lance la plateforme Fit Model : je ne la trouve nulle part. Les résultats de Python et de JMP sont similaires , mais différents. J'essaie de comprendre pourquoi et comment je peux 1) choisir la meilleure convention à adopter et 2) pouvoir l'exécuter dans JMP. L'ensemble de données ici est un exemple réduit de ce que j'essaie d'analyser… en essayant de comprendre l'impact de différents paramètres sur l'efficacité, en mettant l'accent sur l'impact du volume de remplissage (deux niveaux) et de la concentration (plage).
J'utilise JMP19.
Merci d'avance !
Chris
Analyse et modélisation des données de baseExploration et visualisation des donnéesObjet : Question sur les conventions de codage des facteurs dans Fit Model PlatformSalut @ClusterFerret68 ,
Je pense que vous pouvez trouver quelques explications sur l'encodage des facteurs nominaux dans les discussions suivantes :
Différences dans les estimations des paramètres utilisant la même analyse de régression multiple.
Comment l'analyse DOE gère le facteur catégoriel dans l'analyse de régression
Interprétation des variables fictives dans la régression pas à pas avec {0-1} à côté du nom de la variable
Dans JMP, comment ajuster la paramétrisation des variables catégorielles dans un modèle de régression ?
J'espère que vous trouverez les réponses dans ces discussions,
Objet : Question sur les conventions de codage des facteurs dans Fit Model PlatformVous n'avez pas inclus de script ou de description du modèle que vous essayez d'adapter.
Si Python utilise un codage de variable « factice », il est probable que les estimations de « paramétrage de l'indicateur » dans le rapport Fit Lease Squares soient celles que vous recherchez pour effectuer une comparaison. Voir https://www.jmp.com/support/help/en/19.0/index.shtml#page/jmp/indicateur-paramétrage-estimations.shtml%23
Objet : Question sur les conventions de codage des facteurs dans Fit Model PlatformTout d’abord, assurez-vous de lire la section Détails statistiques de la documentation en ligne pour une explication de la paramétrisation des prédicteurs nominaux et continus.
Il existe différentes paramétrisations. Elles sont toutes légitimes. Elles représentent différentes façons d'appréhender les effets et de tester les estimations de paramètres. JMP utilise le codage des effets. Ainsi, les paramètres représentent la différence entre la moyenne des moindres carrés pour un niveau donné et la moyenne globale. Ainsi, une estimation de -3,5 signifie que la réponse est inférieure de 3,5 unités à ce niveau par rapport à la réponse moyenne.
