7388_ko-KR

liliconcom

상관 관계 생성시 색상 맵<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />

DOE Design 평가의 일부인 'Correlations on Colrelations'음모에 대해 더 잘 이해하려고 노력해 왔지만 어떻게 만들어 졌는지 너무 많이 알 수있었습니다.  내가 알아낼 수있는 가장 좋은 점은 분산 - 공분산 행렬 inv (X '* X)의 스케일링 / 변형 된 버전이라는 것입니다.  누구든지 주제에 관한 문헌이나 문서를 가르쳐 줄 수 있습니까?

제목 : Re : 색상 맵 상관 관계 생성신속한 대응 Mark에 감사드립니다! 귀하의 설명은 좋은 의미를 지니고 있으며 제 추측으로는 베타 모자 사이의 상관 관계가 더 중요하다는 것이 었습니다. 개인적으로는 X 매트릭스의 열 사이의 상관 관계를 직접적으로 해석하는 것이 어렵습니다. "예측은 독립적입니다"대 "추정은 독립적이지 않습니다". 또한 설계 행렬 X를 추정하지도 않습니다. 모델 기간에 대한 계수를 추정한다. 베타 모자의 상관 관계를 생각할 때, 나는 두 개의 베타 벡터의 내적은 베타 모자 벡터가 직각이면 0이고, 베타 모자 간의 상관 값은이 내적의 스케일 버전이기 때문에 베타 모자가 모델에서 서로 얼마나 직각인지를 기술하십시오. 나의 특별한 질문은 2 ^ (8-4) 분수 계승을 실행하고, 하나의 두 요인 상호 작용이 중요하다는 것을 발견 한 다음, 오그먼트 설계 옵션을 사용하여 네 가지 양방향 상호 작용 용어를 언팩 트 아웃했다. 새로운 X 행렬에서 양방향 상호 작용 열 사이의 상관 관계는 ~ 0.7-0.8 이었지만 베타 모자 간의 상관 관계는 적었다 (~ 0.55).

그리고 상관 관계 값에 대한 정확한 단절이 없다는 것에 동의합니다. 추론 통계 전체에는 절충 (tradeoff)이 포함되며, 만들어지는 거래는 응용 프로그램, 데이터 및 개인의 관점에 따라 다릅니다.제목 : Re : 색상 맵 상관 관계 생성

매개 변수 추정치 간의 상관 관계는 중요한 상관 관계입니다. 이 양은 이러한 추정치의 표준 오차의 팽창을 결정합니다. 테스트의 힘이 줄어 듭니다. 그것은 당신의 신뢰 간격을 넓 힙니다. 디자인에서 요소 열 사이의 상관 관계는 단지 '끝까지의 수단'에 불과합니다. 이 상관 관계를 제거하면 예를 들어 주 효과 추정의 상관 관계가 제거됩니다.

허용 가능한 VIF는 효과 크기 및 RMSE에 의존하므로 허용 할 수없는 상관 관계에 대한 절대적인 단절은 없습니다. 효과에 비해 RMSE가 매우 작은 경우 높은 VIF를 허용 할 수 있습니다. 반면에 RMSE에 비해 작은 효과가 있다면 작은 상관 관계조차도 역효과에 영향을 줄 수 있습니다.

제목 : Re : 색상 맵 상관 관계 생성

추정 행렬의 상관 관계는 corr (베타 - 모자) 행렬의 절대 값이 아닙니다.  다음은 그 예를 보여줍니다.  참고 가로 채기 기간에 1의 열을 추가했습니다.

 

X = [1 0.53 -1 -1 -0.53 -0.53 1,
1 1 1 1 1 1 1 1,
1 -1 1 -1 -1 1 -1,
1 -1 -1 1 1 -1 -1,
1 1 1 -1 1 -1 -1,
1 -1 1 1 -1 -1 1,
1 1 -1 1 -1 1 -1];

 

"상관 관계에 대한 컬러 맵"에는 절편 열이 포함되지 않지만 구석이 쌍 방향이므로 중요하지 않습니다.  어쨌든 위의 디자인을 DOE 플랫폼 (1의 열보다 적음)에 넣거나 동일한 작업을 수행하고 다중 변수 -> 상관 관계 옵션을 사용하면 X 행렬의 열 중에서 다음 상관 행렬을 얻을 수 있습니다.

 

[1 -0.0926 -0.0926 0.2819 0.2819 0.0926,
-0.0926 1 -0.1667 0.0926 0.0926 0.1667,
-0.0926 -0.1667 1 0.0926 0.0926 0.1667,
0.2819 0.0926 0.0926 1 -0.2819 -0.0926,
0.2819 0.0926 0.0926 -0.2819 1 -0.0926,
0.0926 0.1667 0.1667 -0.0926 -0.0926 1]

 

견적의 상관 관계에 관한 JMP 문서를 살펴보면 다음과 같이 정의됩니다.

corr (베타 모자) : = V_inv * (X'X) _inv * V_inv 여기서 V : = sqrt (diag (X'X) _inv)

위와 같이 X 행렬을 사용하면

X_t = 조 변경 ( 엑스 ) ;

V = sqrt ( 진단 ( 역 ( X_t * X )))) ;

corr_beta_hat = 라운드 ( Inv ( V ) *역 ( X_t * X ) * Inv ( V ) , 4 ) ;

 

[1 -0.3101-0.3154-0.3154 0.3101 0.3101 0.3154,

-0.3101 1 0.3101 0.3101 -0.5 -0.5 -0.3101,

-0.3154 0.3101 1 0.3154 -0.3101 -0.3101 -0.3154,

-0.3154 0.3101 0.3154 1 -0.3101 -0.3101 -0.3154,

0.3101 -0.5 -0.3101 -0.3101 1 0.5 0.3101,

0.3101 -0.5 -0.3101 -0.3101 0.51 0.3101,

0.3154 -0.3101 -0.3154-0.3154 0.3101 0.3101 1]

 

JMP에서 "fit model"명령을 사용할 때 얻을 수있는 것입니다.  이 행렬의 값은 응답 또는 MSE 값에 종속되지 않습니다.

그래서 제 질문은 이것입니다 : 모델 용어 (또는 견적) 중 혼동의 정도가 용인 할만한 것인지 결정하려고한다면, 디자인 매트릭스의 열 사이의 상관 관계를 검토하거나 베타 모자 사이의 상관 관계를 검토해야합니다. ? 왜 다른 하나보다 더 낫지 않을까요? 두 사람 사이의 관계를 설명하는 직관적 인 설명이 있습니까?

 

제목 : Re : 색상 맵 상관 관계 생성

마침내 상관 관계에 대한 컬러 맵 작성에 대한 좋은 설명을 찾을 수있었습니다.  피팅 선형 모델에 대한 JMP 문서에서 실제로 그것을 발견했습니다.  피팅 선형 모델 .pdf> 3 장 표준 최소 자승보고 및 옵션> 추정치 상관 관계, 189 페이지, JMP 11 문서를 참조하십시오.

분산 = 1 인이 방정식을 사용하여 상관 관계 도표의 색상 맵은 Corr (Beta-hat)의 절대 값입니다.