Pregunta sobre las convenciones de codificación de factores en Fit Model PlatformHola Comunidad,
Estoy ejecutando Fit Model para analizar las contribuciones de los factores nominales y continuos en un sistema. Estoy obteniendo diferentes estimaciones de parámetros (y significancia) entre JMP y Python. Entiendo que esto podría estar relacionado con cómo se codifican los factores nominales (codificación de efectos (predeterminada en JMP) frente a codificación ficticia (predeterminada en Python). He estado tratando de encontrar una ruta para seleccionar cómo puedo cambiar entre las dos convenciones, pero no encuentro nada. Alguna guía en línea menciona la opción en la información de la columna o en el cuadro Efectos del modelo cuando inicio la plataforma Fit Model: no puedo encontrarla en ningún lado. Los resultados de Python y JMP son similares pero diferentes. Estoy tratando de entender por qué y cómo puedo 1) elegir la mejor convención para adoptar y 2) poder ejecutarla en JMP. El conjunto de datos aquí es un ejemplo reducido de lo que estoy tratando de analizar... tratando de comprender los impactos de diferentes parámetros en la eficiencia con énfasis en comprender los impactos del volumen de llenado (dos niveles) y la concentración (rango).
Estoy usando JMP19.
Gracias de antemano !
Chris
Análisis y modelado de datos básicosExploración y visualización de datosRe: Pregunta sobre las convenciones de codificación de factores en Fit Model PlatformHola @ClusterFerret68 ,
Creo que puedes encontrar algunas explicaciones sobre la codificación de factores nominales en las siguientes discusiones:
Diferencias en las estimaciones de parámetros utilizando el mismo análisis de regresión múltiple.
Cómo el análisis DOE maneja el factor categórico en el análisis de regresión
Interpretación de variables ficticias en regresión escalonada con {0-1} junto al nombre de la variable
En JMP, ¿cómo se ajusta la parametrización de variables categóricas en un modelo de regresión?
Espero que encuentres las respuestas en estas discusiones.
Re: Pregunta sobre las convenciones de codificación de factores en Fit Model PlatformNo incluiste un guión o descripción del modelo que estás intentando ajustar.
Si Python utiliza una codificación de variables ficticia, es probable que las estimaciones de "Parametrización del indicador" en el informe Fit Lease Squares sean lo que busca para comparar. Consulte https://www.jmp.com/support/help/es/19.0/index.shtml#page/jmp/indicator-parameterization-estimates.shtml%23
Re: Pregunta sobre las convenciones de codificación de factores en Fit Model PlatformEn primer lugar, asegúrese de leer la sección Detalles estadísticos de la documentación en línea para obtener una explicación de la parametrización de los predictores nominales y continuos.
Existen diferentes parametrizaciones. Todas son legítimas. Representan diferentes maneras de analizar los efectos y probar las estimaciones de los parámetros. JMP utiliza codificación de efectos. Por lo tanto, los parámetros representan la diferencia entre la media de mínimos cuadrados para un nivel dado y la media general. Por lo tanto, una estimación de -3,5 significa que la respuesta es 3,5 unidades inferior a la respuesta media con este nivel.
