Box Cox Y 변환 - 예측 프로파일러에 변환되지 않은 값 표시안녕하세요,
Box Cox Y 변환을 응답에 적용한 후 예측 프로파일러는 제가 이해하는 한 변환된 응답만 표시합니다. 따라서 바람직성은 이러한 변환된 값을 기반으로 해야 합니다. 예측 공식은 변환된 응답으로만 이어집니다. 이것을 치료할 수 있는 방법이 있나요? 예측 프로파일러에서 재변환된 값으로 작업해 주시면 감사하겠습니다.
어떤 조언이라도 감사드립니다!
문안 인사,
벤
Re: Box Cox Y 변환 - 예측 프로파일러에 변환되지 않은 값 표시JMP에서 사용하는 변환 계산의 정의는 다음과 같습니다.
분모는 y의 기하 평균을 사용합니다. 변환되지 않은 데이터에 대한 기하 평균을 얻을 수 없기 때문에 결과를 확인할 수 없습니다.
Box-Cox 변환을 적용했습니다. :무게 변수 큰 수업 람다 = 0.5를 사용하고 데이터 테이블에 95 => 177.3396219를 얻었습니다. 직접 계산해도 같은 결과가 나옵니다.
Re: Box Cox Y 변환 - 예측 프로파일러에 변환되지 않은 값 표시아마도 매우 나쁜 질문에 대해 사과드립니다. 내 데이터에 대해 Box Cox 변환을 수행했지만 변환된 데이터를 저장했을 때 예상했던 것과 달랐습니다.
Box Cox 변환과 관련된 람다는 0.5였습니다. 처음 몇 개의 변환된 값이 첨부됩니다. 변환되지 않은 첫 번째 값은 113,000이었고 변환된 값은 237,441.53296이었습니다. 이는 JMP 웹사이트를 포함하여 웹에서 본 Box Cox 변환 공식과 일치하지 않습니다. 누군가 변환 공식이 무엇인지 정확히 설명해 주시겠습니까?
Re: Box Cox Y 변환 - 예측 프로파일러에 변환되지 않은 값 표시두 가지 유용한 접근 방식에 대해 설명해 주셔서 대단히 감사합니다.Re: Box Cox Y 변환 - 예측 프로파일러에 변환되지 않은 값 표시변환된 반응이나 예측변수/요인/설명변수를 사용하려면 사고의 전환이 필요합니다. 모든 분석은 변환된 변수를 기준으로 합니다. 예를 들어, 오늘날 대부분의 과학자들은 pH를 다시 하이드로늄 활성으로 변환하지 않습니다.
변환의 특성으로 인해 응답을 역변환하는 것이 더 쉬울 수 있습니다. 예를 들어 변환이 Y 제곱근이면 예측을 제곱하면 됩니다. 자연스러운 차원과 관계가 종종 그런 식으로 작동하기 때문에 우리는 일반적으로 물리적 현실에 해당하는 Box-Cox 변환 값을 선택합니다. 정확히 동일하지는 않지만 일반적으로 값을 거듭제곱으로 생각할 수 있습니다. 따라서 매개변수 값 -0.5는 역제곱근에 해당합니다.
변환의 특성을 식별한 후에는 Box-Cox 변환을 사용하는 대신 모형 적합 대화 상자에서 변환을 사용할 수 있습니다. 그런 다음 JMP는 원래 응답을 기준으로 응답을 프로파일링합니다. 그렇지 않으면 빨간색 삼각형을 클릭하고 열 저장 > 예측 공식을 선택하여 최소 제곱 적합에서 변환된 응답에 대한 모델을 저장할 수 있습니다. 그런 다음 열을 선택하고 열 > 수식을 선택한 다음 역함수를 적용할 수 있습니다. 공식에 대한 변경 사항을 저장한 후 그래프 > 프로파일러를 선택하고 수정된 예측 공식을 선택한 다음 확인을 클릭합니다.
