X개의 주효과를 검정하는 데 필요한 DF 수 - JMP 적합 모형<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />여러 주효과와 다양한 상호 작용을 분석해 달라는 요청을 받았지만 적합 모델 분석을 사용할 때 손실된 DF 오류 메시지가 표시되므로 그렇게 할 수 없을 것 같습니다. 도움이 될 경우 여기에 데이터의 세부정보를 확인하세요. 주요 효과(크기): 위치(4), 품종(4), 지역(2, 지역별로 그룹화된 2개의 위치) 및 연도(3). 두 가지 주 효과를 최대로 실행할 때만 결과를 얻거나 충분한 DF가 있는 것처럼 보이지만 상호 작용에서는 결코 얻을 수 없습니다.
질문 1) 네 가지 주효과를 모두 살펴보고 싶지만 두 가지 이상의 주효과를 분석할 수 없다는 점에서 자유도 문제가 있습니까?
질문 2) 주효과를 2개만 실행한다면, 주효과가 유의하지 않을 때 모델을 다시 실행하는 것이 맞나요? 예를 들어, Year Location을 실행했는데 둘 다 중요하지 않은 것으로 나타났습니다. 그런 다음 Location에 관심이 있으므로 Year를 제거하여 모델을 다시 실행했고 다시 Location이 중요하지 않지만 p-값이 더 낮은 것으로 나타났습니다.
어떤 조언이라도 감사드립니다
Re: X개의 주효과를 검정하는 데 필요한 DF 수 - JMP 적합 모형Travis: 저는 위의 Martin과 Mike로부터 귀하가 받은 모든 조언과 조언에 동의합니다. 고려할 수 있는 또 다른 접근 방식은 JMP Pro를 실행하는 경우 적합 모형 플랫폼 내의 일반화 회귀 특성입니다. 일반화 회귀는 다양한 상황에서 성공적으로 사용될 수 있으며 'DF가 충분하지 않음'이 그 중 하나입니다. 만병통치약은 아니지만 도움이 될 수 있습니다.
Re: X개의 주효과를 검정하는 데 필요한 DF 수 - JMP 적합 모형답장을 보내 주셔서 감사합니다.
귀하가 제기한 질문에 따르면:
- 반응/Y(탄닌, pH, TA, SSC 및 SG)당 48개의 관찰 행이 있지만 이러한 관찰은 4개 품종, 4개 위치 및 3년에 걸쳐 분할되므로 48/4/4/3 = 1, 복제가 없습니다.
- 복제 부족으로 인해 몇 년 동안 누락된 데이터가 있습니다. 예를 들어, 2012년 품종 A의 경우 위치 AC에 대한 데이터가 있지만 D에는 없을 수 있습니다.
- 이상치 문제가 있는 것 같지는 않지만 내 상황을 파악하기는 어렵습니다.
- 데이터는 관찰 연구에서 나온 것입니다. 참여 재배자로부터 과일을 수집하여 즙을 내어 복합물을 만들고, 이 복합물에서 5개의 측정값/응답을 추출했습니다. 이 과정은 3년에 걸쳐 4개 지역의 각 품종에 대해 수행되었습니다. 유일한 무작위 배정은 재배자가 우리를 위해 과일을 선택할 때 발생했습니다. 그러나 다시 한 번 우리는 복제가 부족했습니다. 즉, 하나가 아닌 각 위치를 나타내는 여러 과수원이 있었습니다.
다음은 전체 요인에서 3방향 상호 작용을 뺀 적합 모델(성격: 표준 최소 제곱, 강조: 효과 활용)의 일부 출력입니다. 꽤 좋아 보이지만 중요하지 않을 수 있는 3방향 테스트를 수행할 수 없습니다.
감사합니다
Re: X개의 주효과를 검정하는 데 필요한 DF 수 - JMP 적합 모형성격으로 단계적 회귀를 시도해 보셨나요?
Re: X개의 주효과를 검정하는 데 필요한 DF 수 - JMP 적합 모형시간을 내어 답변해 주셔서 대단히 감사합니다. 이것이 의미가 있기를 바랍니다.
나는 복제물이 없으며 매우 약한 관찰 연구입니다. 예를 들어 산성도에 대한 반응 변수의 경우 48개의 관측치가 있지만 이는 3년 동안 4개 위치, 4개 품종으로 분할됩니다(48/4/4/3 = 1). 일부 변경 사항(일부 사용자 오류 수정)을 적용하여 데이터를 재분석했으며 아래에 표시된 대로 4가지 주요 효과 중 3가지와 양방향 상호 작용을 테스트할 수 있었지만 3자 상호 작용은 테스트할 수 없었습니다.
1) 부분 최소 제곱 분석을 사용하여 3방향 상호 작용을 테스트할 수 있습니까?
2) 네 번째 주효과인 지역(4개 위치를 2개 지역으로 그룹화)을 상호작용 유무에 관계없이 테스트할 수 없었던 이유는 위치와 동일 선상에 있기 때문입니까? 그렇다면 모델에서 이를 제외하고 그냥 진행하면 되나요? 실제로 모델에 있을 필요는 없지만 가능하다면 테스트해 보는 것이 좋을 것입니다.
3) 1)과 2)가 해결되었다고 가정할 때, 중요하지 않은 것으로 밝혀진 경우 모델에서 주효과를 제거하는 것이 옳습니까, 아니면 중요하지 않은 상호 작용에만 허용됩니까?
감사합니다
완전 요인: (적합 모형, 성격: 표준 최소 제곱, 강조: 효과 활용)
완전 요인 빼기 3방향 상호작용:
Re: X개의 주효과를 검정하는 데 필요한 DF 수 - JMP 적합 모형제가 항상 사용했던 경험 법칙은 실행하려는 모델의 각 항에 대해 1의 자유도와 절편에 대해 최소 1의 추가 자유도가 필요하다는 것입니다.이 규칙을 사용하면 모델의 오류 항을 추정할 수 없으므로 추가 자유도가 필요합니다.
첫 번째 테이블에서는 10개 항(절편 포함)으로 모델을 설명하려고 하며 데이터 테이블에 행이 7~8개만 있는 것으로 보입니다.이는 과포화될 모델을 제안하려고 시도하고 있음을 의미합니다.이러한 경우 부분 최소 제곱이 도움이 될 수 있으며 분석 > 다변량 방법 > 부분 최소 제곱에서 해당 옵션을 살펴보는 것이 좋습니다.그렇지 않으면 제안한 내용을 수행하는 데 충분한 수의 관찰이 없는 것으로 보입니다.
Re: X개의 주효과를 검정하는 데 필요한 DF 수 - JMP 적합 모형안녕하세요, travis.alexander0님!
내가 아래에 대답하는 것은 간단히 살펴볼 데이터가 없다는 것에 근거한 것입니다. 더 많은 주효과가 중요하다고 찾을 수도 있고 그렇지 않을 수도 있는 다양한 가능성이 있기 때문에 이렇게 말하는 것입니다.
우선, 모델링 알고리즘으로 표준 최소 제곱을 사용하고 모델 결과 효과 테스트를 사용하고 있는 것 같은데요, 그렇죠? 그렇다면 주효과가 중요하지 않은 것으로 표시되는 데에는 주로 두 가지 이유가 있습니다. 중요하지 않다는 것은 반응에 중요한 영향이 없다는 것을 의미합니다. 또는 동일선상성이 있고 위치(세 가지 모델 모두에서 중요하지 않은 것은 예를 들어 연도 또는 품종과의 상관관계가 있음)를 의미합니다.
다시 말하지만, 데이터에 대한 전체 설정이 없어도 추측할 수 있습니다. 하지만 그것이 제가 모델링하기 전에 먼저 해야 할 일입니다.
1. 분포 플랫폼을 열고 모든 요인과 반응 변수를 Y로 설정합니다. 그런 다음 위치 등의 히스토그램 막대를 클릭하고 선택한 분포가 어디에 있는지, 그리고 다른 모든 변수에 대한 전체 분포와 어떻게 다른지 확인하세요. 선택한 분포와 전체 분포의 분포에 차이가 있습니까? 또는 한 위치와 같은 패턴은 다른 위치보다 낮은 값을 갖습니다. 이를 통해 여기에서 심각한 행동을 초래할 수 있는 의심스러운 일이 발생하는지 매우 쉽게 확인할 수 있습니다(아직 통계적으로 입증되지 않은 경우에도 마찬가지임).
2. Fit Y by X를 살펴보세요. 나는 위치, 품종 및 지역이 범주형이고 연도일 수도 있다고 생각합니다. 응답을 Y로 사용하고 다른 응답을 X로 사용하십시오. 범주형 X에 대한 Anova를 얻게 됩니다(Y가 연속적인 경우, 그렇지 않으면 우발 분석). 어느 쪽이든 하나의 Y에 하나의 X가 중요한 영향을 미치는지 확인할 수 있습니다. 이는 모델에 중요하지 않은 중요한 것이 있는지 확인하는 데 도움이 될 수 있습니다. 그렇다면 그것은 일종의 상호작용 효과 때문일 가능성이 높습니다.
3. Fit Model을 살펴보세요. RSM 모델을 맞추면 모든 X 변수에 대한 모든 상호 작용 및 2차 효과가 나타납니다. 아마도 모두 범주형이므로 2차 효과가 필요하지 않으며 경고가 나타날 수 있습니다. 표준 최소 제곱법을 실행하지 않고 단계적 회귀 분석을 실행합니다. p-값 임계값을 중지 기준으로 사용하고 나머지는 기본값으로 둡니다. 이제 어떤 효과가 중요한지 확인해 보세요. 이전 모델과 다른가요?
선택한 효과만으로 모델을 만들고 표준최소자승법으로 다시 실행해 보세요. 아직도 DoF 문제가 발생합니까?
위의 내용 외에도 일반적으로 아래 분산 분석 보고서에서 모델의 적합성 테스트 부족을 확인할 수 있습니다. F-확률이 중요합니까? 그렇다면 모델에 효과가 누락되었음을 알려줍니다. 따라서 상호 작용이 누락되었거나 사용하거나 캡처하지 않은 다른 변수가 있습니다. 그러나 모델은 데이터를 충분히 반영하지 않습니다. 프로파일러에서 실제 예측 플롯과 잔차 플롯을 살펴볼 수 있습니다. 모델을 기반으로 요인의 동작을 더 잘 이해합니다.
따라서 그래프 빌더/배포 또는 기타 플랫폼의 시각적 개체를 사용하면 데이터에 대한 일반적인 이해를 얻을 수 있으며, 모델링 플랫폼은 좋은 모델을 찾는 데 도움이 되지만 제공한 것에 대해서만 작업할 수 있습니다. 알고리즘을 기반으로 이를 수행할 수 있는 정교한 모델이 있으며, JMP Pro가 있다면 이를 사용할 수 있습니다(예: 부트스트랩 포리스트, 일반화된 회귀...).
지금까지 묻지 않은 또 다른 측면은 데이터에 관한 것입니다. 얼마나 많은 관측치(/행)가 있나요? 누락된 데이터가 있나요? (잠재적인) 특이치가 있습니까? 데이터는 설계된 실험에서 나온 것입니까, 아니면 측정 또는 수집된 판매 데이터에서 나온 것입니까?
이 모든 것은 각각 극복하고 고려해야 할 다른 과제가 있기 때문에 제가 권장하는 약간 다른 접근 방식으로 이어질 수 있습니다.
이것이 다음 단계를 진행하는 데 도움이 되기를 바랍니다.
남자 이름
