265005_it-IT

liliconcom

Regressione lineare

Ciao, 

Sto cercando il termine corretto per quello che sto usando per analizzare i miei dati, per quanto ne sappia non è regressione lineare né multipla né multivariata:

 

Voglio un adattamento lineare globale per diversi campioni misurati. Quindi ho misurato xey per 5 campioni, ognuno con y = mx + n. Eseguo una regressione lineare di tutti questi 5 campioni contemporaneamente, producendo 1 m e n per tutti e 5 i campioni. Come si chiama questo? In JMP uso il "modello di adattamento" con la variabile di ruolo y, l'effetto del modello x e poi incrocio con il numero del campione.

 

Grazie, non ho trovato questo nella mia ricerca finora!

 

Ri: regressione lineare

Presumo che da " diversi campioni misurati "hai 5 osservazioni di (x, y). Si utilizza la regressione lineare semplice per adattarsi al modello di tendenza lineare, y = mx + n. Adatti un modello del genere con Bivariato (tramite comando Adatta Y per X) o Adatta i minimi quadrati (tramite comando Adatta modello).

Ri: regressione lineare

Ciao,

Grazie per la risposta! In allegato un rapporto di esempio. Non sono sicuro che il comando Adatta modello faccia effettivamente ciò che spero faccia:

Esistono 5 chip differenti con dipendenze lineari, dovrebbero avere la stessa pendenza ma intercettazioni diverse. Vorrei ottenere una singola pendenza che si adatta meglio a tutti e 5 i chip. Penso che questo sia ciò che viene dato come stima della temperatura (la variabile indipendente)? Non sono sicuro di cosa rappresentino le stime per ogni singolo chip e perché ci siano solo 4 invece di 5.

 

 

Ri: regressione lineare

Ci sono solo 4 coefficienti per i 5 effetti incrociati perché uno deve essere lasciato fuori (come è determinato dall'altro 4).  Se vuoi vedere i 5 coefficienti, fai clic sulla freccia rossa e ottieni le stime estese per vedere tutti e 5 i livelli.  Inoltre, se ritieni che ci sia una pendenza comune (come suggerisce il grafico), allora non includerei il termine incrociato.  Includi solo la variabile chip e otterrai le intercettazioni stimate per ogni chip e solo una stima della pendenza comune.

Ri: regressione lineare

Grazie! Sì, il termine incrociato non era quello che cercavo. Quindi, con l'aggiunta del chip come effetto modello, la valutazione sarebbe comunque considerata una semplice regressione lineare?

Ri: regressione lineareGrazie mille per averlo chiarito!Ri: regressione lineare

No. UN regressione lineare semplice sarebbe il risultato se si adatta una linea ai dati separatamente per ogni livello di Chip. Puoi farlo facilmente in Bivariate se inserisci Chip nel ruolo di analisi Per o se usi il comando di menu Raggruppa per in Bivariato. I risultati della reflex, tuttavia, sono indipendenti. L'intercetta e la pendenza non sono correlate tra i chip. Vuoi vincolare la pendenza di tutti i chip allo stesso modo, quindi usi a regressione multipla modello in cui è possibile aggiungere termini per rappresentare il modo in cui si ritiene che la risposta sia correlata alle variabili predittive.

Oggetto: regressione lineareArrivo in ritardo, ma ho scoperto che il test di parallelismo negli accoppiamenti non lineari produce anche una pendenza comune come desiderato.
Nella scheda del menu Analizza, seleziona Modellazione specializzata e seleziona Non lineare. Raggruppa i tuoi dati (nel tuo caso, per chip) nella finestra di dialogo e Esegui modello. Nella finestra Adatta, seleziona Polinomi (adattamento lineare) nella scheda Adatta curva (triangolo rosso). Questo per impostazione predefinita produce pendenze e intercettazioni indipendenti per tutti i gruppi. Per condividere la pendenza, selezionare Verifica parallelismo nella scheda Adattamento lineare (triangolo rosso). Si apre una nuova scheda con le stime dei parametri di adattamento parallelo in cui troverai la pendenza condivisa e le singole intercettazioni. Spero che questo aiuti.