Construcción de modelos a través de la regresión de los mejores subconjuntos en JMP 12<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hola a todos.
Estoy interesado en saber en qué consiste el flujo de trabajo para llegar a un Modelo reducido en JMP 12.
Esto podría ser de ayuda para explicar de dónde vengo. Me enseñaron el análisis de datos con Minitab. en la clase de cinturón negro sigma (y también reforzado como un método en el trabajo), se enseñó (y se practicó) que para obtener el Modelo Reducido (para continuo variables) usando el principio de parsimonia tenemos que:
1.) ajustar un modelo de regresión con todos los factores
2.) eliminar factores con VIF> = 5
3.) realizar el enfoque de mejores subconjuntos
4.) seleccione el subconjunto / s con la estadística Cp de Mallows <(k + 1)
5.) seleccionar subconjunto / s con alto R-Sq (adj)
6.) seleccione el modelo más simple con el menor número posible de variables que puedan explicar adecuadamente la variación (figura a continuación).
en nuestro manual, el procedimiento anterior se titula "Pasos involucrados en la construcción de modelos".
¿Es este flujo de trabajo factible en JMP 12? ¿cómo?
Sé que JMP tiene sus propios procedimientos en Model Building. Actualmente estoy leyendo y haciendo recorridos a través del Visual Six Sigma libro (actualmente @ Capítulo 6) y mirando Construyendo mejores modelos y otros recursos.
Aprecio todas las orientaciones en mi transición a JMP.
- Randy, novato de JMP
Re: Construcción de modelos a través de la regresión de los mejores subconjuntos en JMP 12¡Gracias por todos los comentarios y por ayudarme en mi transición a JMP, a todos!
Estoy desaprendiendo métodos del software anterior y aprendiendo nuevos en esta comunidad.
muy apreciado.
Re: Construcción de modelos a través de la regresión de los mejores subconjuntos en JMP 12Permítame desarrollar un poco más sobre los comentarios de Bill y Ian de mis colegas, alentándolos a examinar los diagramas residuales en el camino hacia su modelo "útil". Por último, utilice su conocimiento de procesos para informar la utilidad de su modelo ... no solo las estadísticas de regresión que cita. Si su modelo sugiere que el agua va cuesta arriba ... bueno, eso sugiere que el modelo tiene fallas y sigue ciegamente los valores de VIF, los valores de Rsquared, etc ... son casi inútiles.
Re: Construcción de modelos a través de la regresión de los mejores subconjuntos en JMP 12Para construir sobre los comentarios de Ian. Como una forma de elegir los mejores subconjuntos, sería mejor utilizar la validación cruzada. La validación cruzada ayudará a asegurar que usted tenga el mejor modelo posible con el menor número de términos. La validación bidireccional de K-fold es un buen lugar para comenzar y si tiene JMP Pro, la validación de tres vías es aún mejor. Una regla de oro razonable es que nada menos que 50 ejecuciones, use K-fold y cualquier cosa por encima de 50 use la validación cruzada de tres vías.
El siguiente enlace ofrece información sobre la validación cruzada en JMP y si selecciona la pestaña "Siguiente", lo llevará a la Regresión generalizada, que Ian también menciona.
Utilizando Validación
Re: Construcción de modelos a través de la regresión de los mejores subconjuntos en JMP 12Debo decir que hay casi tantas formas de construir un modelo útil como personas que las construyen. Al final, lo que importa es la utilidad del modelo con el que terminas, no tanto cómo llegaste allí.
JMP admite muchos enfoques para la construcción de modelos, y con un poco de JSL, más o menos cualquier protocolo que desee seguir puede ser compatible y optimizado. El que describiste anteriormente es perfectamente factible en JMP. Tenga en cuenta que, para el paso 2, para obtener los VIF que necesita para encontrar la tabla 'Estimaciones de parámetros' en el informe del modelo de ajuste, haga clic con el botón derecho y seleccione 'Columnas> VIF'.
Finalmente, con respecto a las capacidades de modelado de JMP, el libro de VSS no es realmente definitivo, solo es un punto de partida razonable para la experiencia de los posibles lectores. Si desea tener una visión general de lo que es posible, debe verificar la personalidad de Regresión generalizada de Fit Model (más material de apoyo). No estoy seguro de qué cubre exactamente "Construyendo mejores modelos", pero la próxima 2ª edición del libro de VSS tiene un poco de esto.
