제로 팽창된 푸아송 모델 매개변수화안녕하세요 JMP커뮤니티입니다.
예측할 개수 변수(Y), 3개의 숫자 변수(X1, X2, X3) 및 하나의 범주형(X4)이 독립 변수인 데이터 세트가 있습니다.
저는 R과 JMP의 데이터에 Zero inflated Poisson 모델을 맞추었습니다(fit model > generalized regression). 그러나 결과는 같지 않았습니다. 왜 다른가요? 보이지 않는 가정이 있을 수 있다고 생각합니다. 최적화 방법 및 반복 횟수와 같은 몇 가지 가정을 의미합니다.JMP에서 Zero inflated Poisson 모델의 기본 가정을 어떻게 볼 수 있습니까?
다른 변수에 대해 R과 JMP의 다른 ZIP 모델을 비교했습니다. 결과는 항상 동일하며 내 모델에 범주형 변수(X4)를 포함할 때만 다릅니다.
Re: 제로 팽창된 포아송 모델 가정안녕,
JMP는 범주형 변수의 계수를 추정할 때 범주를 대조하기 위해 다른 코딩 방법을 사용할 수 있습니다. 변수에 대한 순서 모델링 옵션을 사용하는 두 개의 범주만 있는 경우 다른 프로그램이 일반적으로 0과 1로 더미 변수를 추정하는 것과 동일한 결과를 제공합니다.
Re: 제로 팽창된 포아송 모델 가정까다롭게 보이고 싶지는 않지만 특정한 의미를 지닌 용어를 사용합니다. 모델이랑 상관없는거 같은데 가정 하지만 모델과 관련이 있을 수 있습니다. 매개변수화 , 특히 범주형 예측 변수입니다. 사용 중인 R 개체에서 모델 매개변수가 추정을 위해 어떻게 표현되는지 모르겠습니다. JMP가 범주형 예측 변수를 매개변수화하는 방법을 알고 있습니다.
다음은 JMP 12의 범주형 요인에 대한 JMP 매개변수화를 찾을 수 있는 곳입니다. (JMP 13의 매개변수화는 동일하지만 문서의 위치가 변경됩니다!)
고르다 돕다 > 서적 > 선형 모델 피팅 > 부록 A: 통계적 세부사항 > 요인 모형 . 이 섹션에서는 명목 및 순서 예측 변수 수준 모두에 대한 코딩에 대해 설명합니다. 그만큼 효과 코딩 JMP에서 사용되는 코딩은 PROC GLM과 같은 일부 SAS 프로시저에서 사용되는 코딩과 다릅니다. R 개체에 사용된 코딩과 다를 수 있습니다.
이 정보가 귀하가 관찰한 차이점을 해결하는 데 도움이 되기를 바랍니다.
Re: 제로 팽창된 포아송 모델 가정답변 감사합니다!
JMP Pro 12.0.1을 사용하고 있습니다. R과 JMP 모두에서 최대 가능성을 사용하고 유효성 검사를 사용하지 않았습니다.
또한, 나는 그것이 단지 제로 팽창 모델에 관한 것이 아니라는 것을 발견했습니다. 일반 선형 모델( 포아송)을 데이터에 피팅하면 R과 JMP에서 다른 결과가 나타납니다. 다시 범주형 변수를 빼면 모델은 동일합니다. 범주형 데이터에 대해 몇 가지 가정이 있을 수 있습니까?
Re: 제로 팽창된 포아송 모델 가정어떤 버전의 JMP Pro를 사용하고 있습니까? 알고리즘은 시간이 지남에 따라 개선됩니다.
일반화 회귀에서 어떤 추정 방법을 사용했습니까? 예를 들어 올가미, 이중 올가미, 능선 회귀 및 탄성 망은 다른 결과를 생성합니다.
피팅에 어떤 옵션을 사용했습니까? 적응형 버전은 다른 결과를 생성합니다.
어떤 검증 방법을 사용하셨습니까? 다른 홀드아웃 세트에 관측치를 무작위로 할당하면 데이터를 맞출 때마다 다른 결과가 생성됩니다.
