針對 1 個響應的 86 種效果擬合模型預測刻畫器大家好，我正在嘗試為 86 個組件生成一個預測分析器，以了解其對 1 個響應“IVCC”的影響。 我使用了“分析”菜單中的“擬合模型”工具，文件中有 1 個響應是 IVCC，86 個響應範圍從“甘氨酸”到“維生素 D12”。 分析窗口中生成的預測刻畫器和合意性最大化能夠輸出預測響應的值，但不會生成預測曲線。 有人對如何更好地分析這些數據有想法嗎？ 我的最終目標是確定最大化“IVCC”的 86 個組件中的每一個的值。 謝謝你！
回复：針對 1 個響應的 86 種效果擬合模型預測刻畫器偉大的談話。
我同意朱利安的觀點。 廣義回歸技術（下面的鏈接）解決了與包含比觀測值更多的變量的數據集相關的挑戰。
( https://www.jmp.com/support/help/14-2/generalized-regression.shtml )
JMP Pro 中提供了其中兩種技術，Lasso 和 Elastic Net，作為建模過程的一部分執行變量選擇。
祝你快樂廣義的使用 JMP Pro 進行回歸
回复：針對 1 個響應的 86 種效果擬合模型預測刻畫器就變量選擇方法而言，PLS 和樹方法做得很好。 如果您碰巧可以訪問 JMP Pro，還有其他一些使用廣義回歸的非常好的選擇。
回复：針對 1 個響應的 86 種效果擬合模型預測刻畫器您好 Byron_JMP，非常感謝您為我指明了正確的方向！
回复：針對 1 個響應的 86 種效果擬合模型預測刻畫器謝謝朱利安的幫助！ 你的洞察力對診斷我的情況很有幫助。 我也會嘗試使用偏最小二乘法和變量選擇。 謝謝你！回复：針對 1 個響應的 86 種效果擬合模型預測刻畫器您好 statman，感謝您的幫助！ 86 個分量是輸入變量，很抱歉造成混淆。 我將嘗試篩選最重要的，看看是否能緩解問題——非常感謝！回复：針對 1 個響應的 86 種效果擬合模型預測刻畫器感謝 markbailey 的回复！ 理想情況下，86 種效果是必需的。 我會嘗試調整比例，謝謝你的提示。 我很感激你的建議！回复：針對 1 個響應的 86 種效果擬合模型預測刻畫器我喜歡@朱利安的回答，這是一個很好的方法。
我可能會使用 Analyze>Screening>Predictor Screening 來縮小良好候選參數列表的範圍。 只有幾行數據，多次運行該平台以查看是否獲得一組穩定的預測變量可能是個好主意。 當響應主要是噪聲時，預測變量集在運行之間將相當隨機。
或者，分區平台（一次一棵樹）也是處理您響應的關鍵驅動因素的好方法。
回复：針對 1 個響應的 86 種效果擬合模型預測刻畫器你好@喬恩雷德,
您似乎沒有在預測刻畫器中看到預期的結果，因為您的模型要估計的參數多於可用的自由度。 擬合模型報告頂部的“奇點詳細信息”部分錶明了這一點。
換句話說，要擬合您想要的複雜模型（估計 86 個變量的影響，加上模型截距），您將需要超過 15 行數據。
另一種方法是使用一個模型，該模型可以容忍數據少於您希望使用的變量數量（例如偏最小二乘法), 或者進行變量選擇以減少 X 的變量集。
我希望這有幫助！
@朱利安
回复：針對 1 個響應的 86 種效果擬合模型預測刻畫器對不起，我對你的帖子有點困惑。 86 個分量是輸入變量 (x's) 還是響應變量 (y's)？
“86 個組件對 1 個響應“IVCC”的影響”建議他們是 x's，但是“ 1 個響應是 IVCC，86 個響應範圍...”表明它們是 Y。 如果你有那麼多 Y，我會先看看哪些是相關的（多變量方法>多變量）。 如果它們是 x，基於效果稀缺性原則，我將首先篩選 86 個組件以確定哪些是最重要的（這些只是第一個順序效應？）。 有很多方法可以做到這一點（我將從假設開始）。 一旦確定了重要因素，您的預測公式就會有用。 我認為同時控制/管理 86 個變量幾乎是不可能的（想想每個 x 的相關測量誤差）。
回复：針對 1 個響應的 86 種效果擬合模型預測刻畫器選擇模型後，預測刻畫器最為有用。 模型需要 86 個特徵嗎？
此外，自動縮放響應軸的算法非常好，但並非萬無一失。 您可能需要更改比例才能查看配置文件，尤其是在最大化合意性之後。
