구성 설명 변수<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />안녕하세요
내 질문은 JMP Pro를 사용하여 선형 회귀 모델에서 구성 설명 변수를 구현하는 방법입니다. 하나의 연속 종속 변수 Y가 있고 d 설명 변수 X1, ...,X가 있다고 가정합니다. 디 백분율로 표시되며 상수 합계 제약 조건(100%)으로 특징지어집니다.Aitchison은 1986년에 이 문제를 해결하기 위해 로그 대비를 도입했지만 여전히 매개변수 해석에 문제가 있습니다. 구성 설명 변수 문제를 처리할 수 있는 모델이 JMP Pro에 있습니까? 중앙 로그 비율 변환(clr) 또는 등척 로그 비율 변환(ilr) 사용에 대해 읽었지만 JMP에서는 사용할 수 없습니다.
감사합니다
Re: 구성 설명 변수게을러서 죄송합니다. 단오의 대답은 기본적으로 제가 하고 싶었던 말이에요!
Re: 구성 설명 변수답변을 약간 수정해야 합니다. X 변수의 합이 1이 되면 JMP가 자동으로 Scheffe 모델로 전환하는 것을 확인했습니다. 절편 없는 모델을 구성 변수에 맞출 수 없는 것 같습니다. 따라서 변수가 정확히 1이 되지 않는 경우를 대비하여 이전 메모가 중요합니다. 혼합물 속성이 설정되지 않은 경우에도 이 상황에서 Scheffe 모델의 자동 피팅을 지적한 Jian Cao에게 감사드립니다.
Re: 구성 설명 변수에스,
짧은 대답은 예, JMP Pro(심지어 일반 JMP도)가 이 상황을 적절하게 분석할 수 있다는 것입니다.
더 길고 자세한 답변:
귀하의 상황은 확실히 혼합 모델로 간주될 수 있습니다. 혼합 모델은 "계수"(귀하의 경우 X1에서 Xd까지)가 1 또는 100%가 되도록 제한되는 모델입니다. 이 제약 때문에 표준 회귀 기술을 사용할 수 없습니다(반전할 수 없는 단일 행렬이 있음). 이것을 회귀 문제로 바꾸는 데 사용할 수 있는 몇 가지 가능한 "속임수"가 있습니다. 가장 일반적인 것은 Scheffe 모델이라고 하는 것을 사용하는 것입니다. 이 모델은 각 주요 효과에 절편을 넣습니다. 이것은 별도로 추정되는 절편 용어를 "제거"합니다. 이것이 MIchael.Anderson이 제안한 접근법입니다. 자세히 보면 분산 테이블의 결과 분석에 "Testing Against Reduced Model Y = Mean"이라는 줄이 있습니다. 이것은 노절편 모델이 아닌 Scheffe 모델이라는 증거입니다. 절편이 없는 모델에는 "Testing Against Reduced Model Y = 0"이라는 줄이 있습니다.
이것은 상황을 분석하는 가장 쉬운 방법이지만 Scheffe 모델은 일반적인 회귀 모델과 다르게 해석됩니다(사실 이러한 "구성 변수"에 대한 모든 모델은 일반적인 회귀를 사용할 수 없기 때문에 다르게 해석해야 합니다) . 혼합물 분석에 대한 우리 수업에서 약 30분 정도 걸리기 때문에 여기에서 해석하는 데 시간이 좀 걸릴 것입니다. 해석은 피팅하는 모델의 순서에 따라 달라집니다. 바라건대 이것이 무슨 일이 일어나고 있는지에 대한 통찰력과 이 상황을 적절하게 분석하는 방법에 대해 배울 수 있는 장소를 제공할 수 있기를 바랍니다.
Re: 구성 설명 변수안녕 마이클,
먼저 응답해 주셔서 감사합니다. 이 문제에 대한 귀하의 접근 방식을 시도했지만 구성 설명 변수에 "혼합 효과"속성을 추가하면 표준 최소 제곱 회귀 모델의 절편 만 억제되기 때문에 결과가 다소 혼란 스럽습니다. 즉, "혼합 효과" 및 "절편 없음" 없이 표준 최소 제곱이 있는 경우 "혼합 효과"의 결과는 동일합니다. 그래서 내 이해는 어떤 종류의 변형도 없다는 것입니다.
"혼합 효과"를 사용하려면 특정 성격을 선택해야 합니까? 또한 구성 설명 변수의 모든 0을 0.0001과 같은 숫자로 바꿔야 합니까? 나의 세 번째 관심사는 d 구성 설명 변수 중 다중 공선성을 피하기 위해 d-1을 사용해야 하는지 여부입니다.
응답해 주셔서 감사합니다.
에스
Re: 구성 설명 변수안녕 세바스찬,
당신의 응답을 주셔서 감사합니다. 실험을 설계할 필요가 없습니다. 이미 데이터가 있고 모델에 맞춰야 합니다. 내 응답은 연속 변수이고 내 설명 변수는 연속 변수와 범주 변수의 혼합입니다. 내 설명 변수 중 4개는 합계가 100%인 연속 구성 변수입니다. 구성 변수는 특이하며 추론 통계가 오해의 소지가 있을 수 있으므로 구성 설명 변수를 선형 회귀 모델에 직접 사용해서는 안 된다는 것을 읽었습니다.
JMP Pro에서 "혼합물 설계 적합화"를 살펴보았지만 해당 모델 유형이 모형 적합이 아니라 모형 설계를 위한 것임을 이해했습니다.
최상의
Re: 구성 설명 변수Fit Model에서 모델을 구축할 때 대화 상자 하단의 Attributes 빨간색 삼각형 아래를 살펴보십시오.거기에서 "혼합 효과"를 찾을 수 있습니다.혼합물의 일부가 될 열(대화 상자의 모델 효과 영역에 이미 있어야 함)을 선택하고 혼합물 효과 속성을 선택합니다.
최상의,
중
Re: 구성 설명 변수문제를 혼합 분석으로 해석할 수 있습니다. 피팅 혼합물 설계
그것이 귀하의 지원서에 맞는지 모르겠지만 첫 기회가 될 것입니다.
