基本的な回帰モデル > ステップワイズ回帰モデル > 名義尺度や順序尺度の効果を含んだモデル
公開日: 11/25/2021

名義尺度や順序尺度の効果を含んだモデル

昔のソフトウェアでは、ステップワイズ回帰を行うのに、カテゴリカルな効果があるケースを想定していませんでした。次のことを注意してください。

カテゴリカルな効果(名義尺度や順序尺度の効果)は、複数のダミー変数によって表されます。

カテゴリカルな効果が2水準の場合は、その効果は1つのダミー変数によって表されます。

カテゴリカルな効果がk水準(3水準以上)の場合は、k-1個のダミー変数によって表されます。

JMPの多くのプラットフォームでは、名義尺度の効果は、すべての水準のパラメータ推定値を合計すると0になるようにコード変換されます。

一方、「ステップワイズ法」プラットフォームでは、カテゴリカルな効果(名義尺度や順序尺度の効果)は階層的な形式でコード変換されます。これは、他のプラットフォームでのコード変換とは異なります。「ステップワイズ法」で採用されている階層的なコード変換では、カテゴリカルな変数の水準を、応答変数における平均の差が最大となっている2つのグループに次々に分岐していきます。この分岐の処理は、k個の水準のあるカテゴリカルな変数をk - 1個の項で表すまで行われます。

メモ: このような階層的なコード変換では、最初に作成される項は、平均差が最も大きい分岐になっています。このようなコード変換の利点は、より効果があると思われる項がモデルに先に追加されやすい点です。

より詳細な情報が必要な場合や、質問があるときは、JMPユーザーコミュニティで答えを見つけましょう (community.jmp.com).