le Formation JMP le programme est varié et complexe. Nous proposons une gamme de formations pour débutants et utilisateurs avancés. En plus de nos efforts continus pour que toute la formation soit à jour avec les nouvelles éditions, nous créons également de nouveaux cours à mesure que les besoins de nos utilisateurs évoluent. Je veux vous parler de l'un d'entre eux, une marque nouveau cours sur l'analyse de données catégoriques . Nous espérons que ce nouveau cours sera aussi utile et aussi populaire que notre bien sûr sur l'ANOVA et la régression .
Pourquoi l'analyse catégorielle des données est-elle si importante?
C'est important parce que les données catégorielles sont abondantes dans de nombreux domaines de travail. Pour être clair, les données catégorielles peuvent être numériques ou en caractères et représentent un ensemble fini de niveaux discrets. Les exemples incluent le sexe, l'appartenance à un parti politique, l'appartenance religieuse, les résultats de mortalité et de morbidité, les résultats des tests de produits tels que réussite, échec ou nouvelle vérification, les réponses à l'enquête, les segments de marché, les notes des tests universitaires, etc. Chaque fois que vous enregistrez des attributs qualitatifs, observez l'appartenance à un groupe ou notez une affectation à une catégorie particulière, vous disposez alors de données catégorielles.
Pourquoi l'analyse catégorielle des données est-elle si différente?
Il existe de nombreuses méthodes pour les données continues ou les données de mesure, telles que les statistiques descriptives (moyenne, écart type), l'analyse de variance (ANOVA) et la régression linéaire, qui sont familières à la plupart des analystes. Les analystes utilisent parfois par erreur des codes numériques pour les niveaux catégoriels afin d'utiliser ces méthodes destinées aux réponses continues. C'est dommage car il existe toujours des méthodes analogues pour les données catégoriques. Au lieu des statistiques descriptives pour les données continues, nous nous intéressons aux proportions ou aux probabilités pour chaque niveau de classification. Au lieu d'une corrélation entre deux variables continues, nous souhaitons en savoir plus sur les associations entre la réponse catégorielle et d'autres variables. La régression logistique associe les variables prédictives à une réponse catégorielle de manière naturelle, dans le respect du caractère discret des niveaux. Surtout JMP unifie notre ensemble d’outils pour que notre traitement des données catégorielles soit très similaire à celui des données continues, uniquement adapté au caractère unique des données catégorielles. Autrement dit, nous pouvons nous attendre à disposer de méthodes d’estimation de pointe, de statistiques d’inférence et de sélection de modèle, ainsi que de la même exploitation et visualisation de modèle pour les réponses catégoriques que celles dont nous bénéficions pour des réponses continues. Nous soulignons ces similitudes dans la formation.
Quels types d'analyse de données catégoriques sont abordés dans ce cours?
Le cours commence par une enquête rapide sur les données catégoriques et passe en revue les caractéristiques qui le distinguent des données continues. Des statistiques descriptives utilisant la plate-forme de distribution et des associations utilisant la plate-forme de contingence commencent les leçons sur l'analyse. Des associations stratifiées et des tests d'association exacts étendent cette analyse. La modélisation et la sélection de modèles sont introduites à l'aide de la plateforme Partition complète du premier chapitre. Le deuxième chapitre concerne la régression logistique. Il commence par une introduction aux méthodes de vraisemblance pour ajuster les paramètres du modèle, l'inférence et la sélection du modèle. La suite du deuxième chapitre couvre l'application de modèles de régression logistique binaires, nominaux et ordinaux. Le troisième chapitre présente les modèles linéaires généralisés (GLM), qui incluent des réponses catégorielles. Le cas de régression logistique binaire est examiné et résolu à l'aide d'un GLM. Le dernier exemple montre une réponse catégorique commune, count, gérée à l'aide de la régression log-linéaire de Poisson, un autre GLM.
A qui est destiné ce cours?
Tout analyste JMP qui rencontre des données catégoriques est un bon candidat pour cette formation. Ce cours est avancé et s'appuie sur les leçons des cours préalables. Les étudiants participant à ce cours doivent être à l'aise avec JMP (par exemple, Cours d'exploration de données ) et des méthodes statistiques d’inférence et de modélisation à réponses continues (comme indiqué dans le ANOVA et cours de régression ).
Quand puis-je suivre le cours?
Nous proposons un cours public de printemps du 30 avril au 3 mai et un cours public d'automne du 13 au 16 novembre. Les deux ces cours se déroulera sur Internet (format Live Web).
Mark Bailey a écrit:
Merci d'avoir lu mon post et pour ces bonnes questions. Je vais répondre aux deux à tour de rôle.
Nous ne couvrons pas les contrastes dans le nouveau cours sur les réponses catégoriques. Nous avions l'habitude de couvrir les contrastes dans l'un de nos cours sur les réponses continues, . JMP facilite le test d'un ou de plusieurs contrastes avec la plate-forme Fit Least Squares (Analyser> Fit Model). Ce sujet important a toutefois été éliminé dans une édition récente de ce cours simplement par manque de temps et par manque d'intérêt. Nos cours durent généralement deux jours. Nous devons donc «tracer une ligne de démarcation» en termes de portée des sujets et de profondeur de la couverture de chaque cours. Les commentaires de nos clients nous ont indiqué que les utilisateurs qui assistent à nos cours de formation préféreraient consacrer leur temps limité à d’autres sujets. Bien sûr, dans une classe particulière, si les étudiants veulent en savoir plus sur un sujet tel que les contrastes, qui n’est pas inclus, nous le ferions en répondant à des questions.
Les contrastes sont également disponibles dans JMP avec la plate-forme Modèles linéaires généralisés, accessible via Analyser> Ajuster le modèle. Ainsi, même si nous ne couvrons pas les contrastes dans le nouveau cours, nous les expliquerions et montrerions comment les intégrer au programme JMP, si les étudiants le demandaient.
Dick Schaertl a écrit:
Cela ressemble à une classe intéressante. S'intéressera-t-il à l'application de contrastes polynomiaux aux analyses des moindres carrés et des facteurs GLM pour vérifier l'ajustement du modèle? Avant de lire cette page Web, j’ai envoyé un courrier électronique à Laura Archer, support technique de JMP, avec une demande similaire. Le sujet de l'email est collé ici:
RE: [SAS 7610749983] Contrastes de polynômes orthogonaux GLM
