선형 회귀안녕,
데이터를 분석하는 데 사용하는 것에 대한 올바른 용어를 찾고 있는데, 이해하기 위해 다중 또는 다 변형 선형 회귀가 아닙니다.
여러 측정 표본에 대해 전역 선형 피팅을 원합니다. 따라서 5 개의 샘플에 대해 x와 y를 측정하여 각각 y = mx + n을 산출했습니다. 이 5 개 샘플 모두에 대해 한 번에 선형 회귀 분석을 수행하여 5 개에 대해 하나의 m과 n을 생성합니다. 이것의 이름은 무엇입니까? JMP에서는 역할 변수 y, 모델 효과 x와 함께 "모델 적합"을 사용하고 표본 번호와 교차합니다.
고맙습니다, 지금까지 내 검색에서 이것을 찾을 수 없었습니다!
다시 : 선형 회귀나는 " 여러 측정 표본 "(x, y)에 대한 5 개의 관측치가 있습니다. 선형 추세 모델 y = mx + n에 맞추기 위해 단순 선형 회귀를 사용합니다. 이변 량 (X에 의한 Y 맞춤 명령을 통해) 또는 최소 제곱 맞춤 (모델 맞춤 명령을 통해)으로 이러한 모델을 맞 춥니 다.
다시 : 선형 회귀안녕,
당신의 답변에 감사드립니다! 예제 보고서는 동봉되어 있습니다. 모델 맞춤 명령이 실제로 원하는 작업을 수행하는지 확실하지 않습니다.
선형 의존성을 가진 5 개의 서로 다른 칩이 있으며, 동일한 기울기를 가지고 있지만 다른 절편을 가져야합니다. 5 칩 모두에 가장 적합한 단일 슬로프를 얻고 싶습니다. 나는 이것이 온도 (독립 변수)에 대한 추정치라고 생각합니까? 모든 단일 칩의 추정치가 무엇을 나타내는 지, 왜 5 대신 4 개만 있는지 잘 모르겠습니다.
다시 : 선형 회귀하나는 제외해야하기 때문에 5 개의 교차 효과에 대해 4 개의 계수 만 있습니다 (다른 4에 의해 결정됨). 5 개의 계수를 보려면 빨간색 화살표를 클릭하고 Expanded Estimates에서 5 개의 레벨을 모두 확인하십시오. 또한 그래프가 제시하는 것처럼 일반적인 기울기가 있다고 생각되면 교차 항을 포함시키지 않습니다. 칩 변수를 포함하기 만하면 각 칩의 예상 절편과 하나의 공통 슬로프 추정값 만 얻을 수 있습니다.
다시 : 선형 회귀감사합니다! 그렇습니다. 교차 용어는 내가 찾던 것이 아닙니다. 모델 효과로 칩을 추가하는 것만으로 평가는 여전히 단순한 선형 회귀로 간주됩니까?
다시 : 선형 회귀그것을 정리해 주셔서 대단히 감사합니다!다시 : 선형 회귀아니. ㅏ 간단한 선형 회귀 각 칩 레벨에 대해 데이터에 개별적으로 라인을 맞추면 결과가됩니다. By 분석 역할에 Chip을 넣거나 Bivariate에서 Group By 메뉴 명령을 사용하는 경우 Bivariate에서 쉽게 수행 할 수 있습니다. 그러나 SLR 결과는 독립적입니다. 절편과 기울기는 칩 전체와 관련이 없습니다. 모든 칩의 기울기를 동일하게 제한하고 싶기 때문에 다중 회귀 반응이 예측 변수와 관련이 있다고 생각하는 방식을 나타 내기 위해 항을 추가 할 수있는 모형.
Re : 선형 회귀늦게 왔지만 비선형 피팅의 Parallelism 테스트도 원하는대로 공통 기울기를 생성한다는 것을 알았습니다.
분석 메뉴 탭에서 특수 모델링을 선택하고 비선형을 선택합니다. 대화 상자 및 모델 실행에서 데이터 (귀하의 경우 칩별로)를 그룹화하십시오. 맞춤 창에서 곡선 맞춤 탭 (빨간색 삼각형)에서 다항식 (선형 맞춤)을 선택합니다. 이것은 기본적으로 모든 그룹에 대해 독립적 인 경사와 절편을 생성합니다. 기울기를 공유하려면 Linear Fit 탭 (빨간색 삼각형)에서 Test Parallellism을 선택합니다. 공유 경사 및 개별 절편을 찾을 수있는 Parallel Fit Parameter Estimates가있는 새 탭이 열립니다. 이게 도움이 되길 바란다.
