Salut,
J'ai essayé de scripter un ajustement quadratique en utilisant une matrice au lieu d'un modèle en forme. C'est peut-être juste mon manque de compréhension des mathématiques matricielles ... mais je ne comprends pas comment JMP adapte mes données. Pour les variables X et Y suivantes, je souhaite ajuster les données à l’aide de
X, X * X et Y
Le module de modèle d'ajustement me donne la sortie suivante:
22.4221618758449 + 0.0545925476534461 *: Y + (: X - 6.51578947368421) * ((: X
-6,51578947368421) * -0.0568980754963725) + -0.0988212800731804 *: X
Ma première question est de savoir ce que Fit Model fait qui conduit à la transformation de -6.515789 de X ^ 2? (vs juste en utilisant les valeurs au carré de la colonne X)
Je suppose que ma deuxième question serait que si je voulais adapter la matrice correspondante, pourquoi renvoie-t-elle les mêmes paramètres pour X ^ 2 et Y..même si je n'ai pas transformé mon X ^ 2 avec ce terme -.651589 ?
Sortie du code ci-dessous:
Interception = 20.006524922
X = 0.6426504827
Y = 0,0545925477
X ^ 2 = -0,056898075 1
Merci pour toute idée sur la raison pour laquelle le modèle en forme ne correspond pas à la matrice mathématique ... Merci
xVals2=Column(dt,"X")<<GETASMATRIX></GETASMATRIX>
JMP centre le terme X ^ 2 (en soustrayant la moyenne de X des valeurs de X) avant la quadrature. C'est une technique courante utilisée avec les termes quadratiques car elle peut réduire considérablement la corrélation de X et X ^ 2. Cela ne modifie pas l'estimation du paramètre, mais diminue l'erreur-type pour l'estimation du paramètre X ^ 2. Cela signifie qu'il sera plus facile de détecter une courbure importante.
Cette transformation modifie la valeur d'interception, ainsi que son interprétation. Si vous faites un peu d’algèbre et que vous empilez la partie (X-Xbar) * (X-Xbar) * beta2 du modèle, le résultat Ajuster le modèle correspondra au vôtre. Les modèles produiront la même prédiction.
