회귀와 카이 제곱으로 초보자를 도와주세요! JMP모두 안녕!
나는 지혜 끝에 있고 실제로 JMP를 사용하여 몇 가지 분석을 완료하는 손을 사용할 수 있습니다. 나는 통계 수업을 듣고 있으며, 불행히도 그걸로 힘든 시간을 보내고 있습니다.
영국 사고 데이터 세트에서 작성한 정리 된 데이터 파일을 첨부했으며 내 가설은 다음과 같습니다.
1 : 자동차에 탑승하는 승객의 수는 사고로 인한 사고의 수와 양의 상관 관계가 있습니다
2. 남자 운전사는 더 가혹한 사고를 일으킬 것입니다
삼. 자동차 승객의 수가 많을수록 치명적인 사고가 발생할 것입니다.
내가 가지고있는 문제는 사용하려는 분석 유형과 JMP와 함께 갈 방법에 중점을 둔다. (나는이 소프트웨어를 처음부터 배우고있다.)
첫 번째 가설의 경우, 나는 상관 관계로 시작하여 회귀를 시도하여 이것을 얻었다.
이 올바른지? 나는이 자료가 의미하는 것을 이해하지 못한다.
두 번째 가설의 경우, 카이 제곱 분석이 사용된다는 것을 알고 있으며, 지금까지 내가 돌봐 주었다고 생각합니다.
그러나 세 번째 분석을 위해 나는 정말로 난감합니다.
자동차 승객의 수가 많을수록 치명적인 사고가 발생할 것입니다. 이것을 위해서 필자는 순서 변수 (치명도)를 가진 이산 변수 (자동차 승객)를 회귀하려고 시도하고 있다고 생각하십니까?
그리고 그것에 대한 회귀를 시도 할 때, 나는 많은 것들을 얻습니다. 나는 틀렸다고 확신한다.
누구든지 이걸 통해 나를 걸을 시간을 가질 수 있었습니까?
미리 감사드립니다.
재 : 회귀와 카이 제곱으로 초보자를 도와주세요! JMPFinalData2.jmp에는 136,521 개의 고유 레코드가 있습니다. 사고 색인은 문자 열이며 숫자로 변환하면 안됩니다. 인덱스 중 일부는 "UD"와 같은 문자를 가지고 있으므로 숫자로 변환하면 e + 128과 같이 큰 숫자로 변환됩니다. FinalData1.jmp에는 매우 중요한 두 개의 열이 있습니다. 차량 참조 과 사상자 참조 . FinalData2.jmp의 사고 보고서에 3 대의 차량과 2 대의 사상자가 표시되면 1, 2, 3으로 각각의 차량에 3 개의 추가 행이 생깁니다. 그리고 차량 2의 Vine1과 1에는 캐쥬얼리티가 있고 차량 3에는 0이 있습니다.
FinalData1.jmp로 합류 한 총 승객 수를 확인하려면 다음 단계를 따르십시오.
- FinalData1.jmp를 클릭하십시오. 새 열을 추가하면 승객 + 드라이버가 공식을 사용합니다. Car_Passenger + 1
- 주 메뉴에서 다음을 선택하십시오. 테이블 > 개요 . 사고 색인을 선택하고 그룹 버튼을 누른 다음 Passensers + Driver 열을 새로 선택하고 버튼을 누릅니다. 통계 합계를 선택하십시오. 승객을 출력 표 이름에 입력했습니다. 확인을 선택하십시오.
- 그런 다음 FinalData2.jmp를 선택하십시오. 주 메뉴에서 선택하십시오. 테이블 > 가입, 승객을 표와 조인으로 선택하고 사고 색인에서 일치시킵니다. 여기서 유지할 열을 선택할 수 있습니다.
조인 된 테이블이 첨부되고 표에 bivariate 밀도 및 상관 관계를 보여주는 스크립트가 있습니다.
그러나 두 데이터 표에는 운전자의 성별에 대한 열이 없었습니다 . FinalData2.jmp를 사용하고 차량이 1 개인 행을 선택하는 경우. 그런 다음 FinalData1.jmp에 가입하십시오. 승객이없고 fatatlity가 1 인 경우 운전자의 성별은 운전자의 성이라고 가정하고 제한된 운전자의 성별을 확인하십시오. 어쩌면 사고 코드 중 하나가 성별을 부여 할 수도 있지만 테이블에는 아무 것도 분명하지 않습니다.
재 : 회귀와 카이 제곱으로 초보자를 도와주세요! JMP가장 좋은 추측은 각 행이 하나의 희생자를 의미한다는 것입니다. 따라서 각 행에는 Accident_Index, Vehicle_Reference 및 Casualty_Reference의 고유 한 조합이 있습니다.
이 경우 데이터와 가설을 공통 분석 단위 (예 : 사고 또는 차량 또는 사상자)로 가져와야합니다. 이것이 교육적인 운동이기 때문에 나는 가설을 바꿀 것이다.
데이터가 동일한 사고에서 온다는 사실은 관측의 독립성에 대한 가정이 침해되었을 가능성이 높기 때문에 여전히주의해야합니다.
재 : 회귀와 카이 제곱으로 초보자를 도와주세요! JMP필자는 최종 작업 데이터 시트를 얻기 위해 결합 된 2 개의 데이터 세트를 첨부했습니다. 나는 둘 다의 조합에 심각한 문제가 있다고 생각한다. 나는 그것들을 올바르게 결합시킬 기술이 없다.
재 : 회귀와 카이 제곱으로 초보자를 도와주세요! JMP이를 약간 정리 된 데이터 세트라고 부르지 만 분석하기 전에 추출해야하는 데이터 이상이 있습니다.
- 데이터 테이블의 행은 161,087 개입니다. 이 중 81,540 개의 행에 사고 번호가 없었습니다 (36,777 개의 행에는 다른 정보가 있지만 44,763 개의 행은 모두 비어 있음).
- 모든 빈 행을 삭제 한 후 116,324 행은 사고 번호가없는 36,777로 유지됩니다. 또한 예를 들어 행 45928-45922의 이상한 사고 번호가있는 수많은 행이 있습니다.이 극단수가있는 92 개의 행이 있습니다.
- 사고 번호에 여러 행이 있습니다. 나는 아마도 같은 사고에 할당 된 열의 수가 자동차의 수와 일치 할지도 모른다고 생각했지만 그럴 수는 없다.
따라서 데이터에는 많은 문제가 있습니다. 중복 및 좋은 데이터가 없다고 가정합니다. , 나쁜 사고 번호, 여기에 귀하의 질문 # 2를 해결할 수있는 하나의 분석이 있습니다. 모든 사고의 71.44 %는 남성 운전자이거나 모든 사고 심각도의 약 70 %를 차지합니다. 그러나 남성과 여성의 운전자 비율 또는 운전 빈도에 대한 정보는 없습니다. 그래서 데이터가 괜찮다고 가정하면 (??) 발생률 (발현) 만 말할 수 있습니다. (아래 참조).
마지막 코멘트, 1 개의 차, 승객과 수많은 사상자를 포함하고, 경미한 엄격이라고 이름이 지어지는 다수의 사고가있다 ?? 단일 운전자가 여러 그룹으로 운전하는 경우가 많지 않은 이상 데이터가 이상하게 보입니다.
