Domanda sulle convenzioni di codifica dei fattori nella piattaforma Fit ModelCiao Comunità,
Sto eseguendo Fit Model per analizzare i contributi dei fattori nominali e continui in un sistema. Ottengo stime dei parametri (e significatività) diverse tra JMP e Python. Capisco che questo potrebbe essere correlato al modo in cui vengono codificati i fattori nominali (codifica degli effetti (predefinita in JMP) rispetto alla codifica fittizia (predefinita in Python). Ho cercato di trovare un percorso per selezionare come passare da una convenzione all'altra, ma non ci riesco. Alcune guide online menzionano l'opzione nella finestra Informazioni colonna o nella casella Effetti modello quando avvio la piattaforma Fit Model: non riesco a trovarla da nessuna parte. I risultati di Python e JMP sono simili ma diversi. Sto cercando di capire perché e come posso 1) scegliere la convenzione migliore da adottare e 2) essere in grado di eseguirla in JMP. Il set di dati qui è un esempio ridotto di ciò che sto cercando di analizzare... cercando di comprendere gli impatti di diversi parametri sull'efficienza, con particolare attenzione alla comprensione degli impatti del volume di riempimento (due livelli) e della concentrazione (intervallo).
Sto usando JMP19.
Grazie in anticipo !
Chris
Analisi e modellazione dei dati di baseEsplorazione e visualizzazione dei datiRe: Domanda sulle convenzioni di codifica dei fattori nella piattaforma Fit ModelCiao @ClusterFerret68 ,
Penso che potresti trovare alcune spiegazioni sulla codifica dei fattori nominali nelle seguenti discussioni:
Differenze nelle stime dei parametri utilizzando la stessa analisi di regressione multipla.
Come l'analisi DOE gestisce il fattore categoriale nell'analisi di regressione
Interpretazione delle variabili fittizie nella regressione graduale con {0-1} accanto al nome della variabile
In JMP, come si regola la parametrizzazione delle variabili categoriali in un modello di regressione?
Spero che troverai le risposte in queste discussioni,
Re: Domanda sulle convenzioni di codifica dei fattori nella piattaforma Fit ModelNon hai incluso uno script o una descrizione del modello che stai cercando di adattare.
Se Python utilizza la codifica delle variabili "fittizie", è probabile che le stime di "Parametrizzazione dell'indicatore" nel report Fit Lease Squares siano quelle con cui vuoi effettuare il confronto. Vedi https://www.jmp.com/support/help/en/19.0/index.shtml#page/jmp/indicator-parameterization-estimates.shtml%23
Re: Domanda sulle convenzioni di codifica dei fattori nella piattaforma Fit ModelInnanzitutto, assicuratevi di leggere la sezione Dettagli statistici della documentazione online per una spiegazione della parametrizzazione dei predittori nominali e continui.
Esistono diverse parametrizzazioni. Sono tutte legittime. Rappresentano diversi modi di concepire gli effetti e di testare le stime dei parametri. JMP utilizza la codifica degli effetti. Pertanto, i parametri rappresentano la differenza tra la media dei minimi quadrati per un dato livello e la media complessiva. Quindi, una stima di -3,5 significa che la risposta è inferiore di 3,5 unità a questo livello rispetto alla risposta media.
