일반화 된 회귀 특성 및 진단 번들안녕 모두,
나는 빠른 질문이있다; JMP13 pro에는 일반화 된 회귀성이 포함되어 있습니다. 데이터를 맞추면 진단 번들을 사용하여 잔차를 검사 할 수 있습니다. 감마 분포를 사용하면 잔차는 ANOVA 가정 (예 : 정규성, 동질성, iid)을 따릅니 까?
고맙습니다
감마 분포를 갖는 일반화 된 회귀
제목 : Re : 일반 회귀 특성 및 진단 번들분산은 응답 수준에 비례합니다. 당신은 세고 있기 때문에 일반화 된 선형 모델 특성을 통해 포아송 로그 - 선형 회귀를 시도 할 수 있습니다. 포아송 분포와 표준 로그 링크 함수를 선택하십시오. 과 분산 및 퍼스 바이어스 조정의 두 옵션을 모두 포함해야합니다. DOE를 사용하고 있기 때문에 각 실행에 대한 기회가 동일하므로 오프셋이 필요하지 않습니다.
제목 : Re : 일반 회귀 특성 및 진단 번들 곰팡이 제거제 (X1)와 균류 배치 (X2)가 포자의 평균 수 (Y)에 영향을 주면 해결하려고합니다. 실험 설계는 치료 조합 당 4 복제물을 가진 2x2 요인입니다. 잔차의 분석은 ANOVA 가정을 충족시키지 못합니다. 특히, 나는 잔차가 정규 분포로 나타나지 않고 불균등 한 분산을 가지기 때문에 치료의 통계적 중요성에 대한 결론을 무효화 할까 우려한다.
데이터 변환은 잔차를 '정상화'하지 않습니다. 따라서 JMP에서 일반화 된 회귀성 특성이 제공하는 배포본 (감마와 같은)을 적용하는 데 관심이 있습니다.
제목 : Re : 일반 회귀 특성 및 진단 번들우리가 잔류 물을 논의하기보다는 오히려 더 많은 것을 얻기 전에, 아마도 당신이 해결하고자하는 실제적인 문제를 우리와 함께 나눌 수 있습니까? 당신의 파일에는 균형 잡히고 복제 된 실험이 2 단계의 명목상의 두 가지 요소를 가지고 있습니다. 치료 조합 당 4 복제. 하나는 거의 고려하지 않고 합리적인 이유없이 이와 같은 디자인을 만듭니다. 다른 사람들이 만든 연구를 평가하기 위해 '통계'와 시각화를 시험하기 전에 연구의 목표를 이해하고 싶습니다.
제목 : Re : 일반 회귀 특성 및 진단 번들답변 해 주셔서 대단히 감사합니다. 일반화 회귀 (JSL) 스크립트로 JMP 파일을 첨부하고 있습니다. 궁금합니다. 감마 분포에 대한 잔차를 확인해야하는 특성은 무엇입니까?
제목 : Re : 일반 회귀 특성 및 진단 번들Peter의 설명에 덧붙여, 각 오차 (Y observation-Y predicted)를 반응 오차의 추정치로 생각할 수 있습니다. 사용 된 일반화 된 회귀 모델은 감마 분포와 함께 오류를 모델링했습니다. 따라서 잔차와 함께 회귀 가정을 확인할 때 정규 분포가 아닌 감마 분포를 가정합니다.
제목 : Re : 일반 회귀 특성 및 진단 번들저는 여러분이 실제적으로 계산적으로 무엇을 가지고 잔류 물과 원하는 특성에 관해서 우리가 만들고자하는 가정을 혼합 할 수 있다고 생각합니다. 어떤 JMP 모델링 플랫폼의 잔차도 실제 관측 된 응답과 예측 된 값이 해당 관측에 적합한 지 여부에 관계없이 적합했던 모델을 기반으로하는 것보다 더 우아하지 않습니다. 그래서 나머지는 잔재입니다.
그래서 여기에는 실제로 두 단계 접근법이 있습니다 ...
1 단계 : 잔차를 계산합니다.
2 단계 : '적합하지 않음'또는 실용적인 목적으로 모델을 계속 사용하는 것에 대해 의문의 여지가있는 다른 의심스러운 패턴에 대한 잔여 물을 분석합니다.
우리는 잔여 분석과 같은 기법을 사용합니다. 많은 시각화가 진단 번들에 임베드되어 있으므로 테스트 할 가정을 테스트합니다. 따라서 번들의 시각화에 포함 된 가정 자체는 없습니다. 데이터는 데이터입니다. 눈과 도메인 전문 지식을 사용하여 정상 성, 무작위 패턴, 특이점 등을 테스트 할 수 있습니다. 당신의 눈과 영역에 대한 전문성은 F- 테스트 나 다른 행성에 대한 '적합성 결여'테스트보다 우선해야합니다.
