Regresión linealHola,
Estoy buscando el término correcto para lo que estoy usando para analizar mis datos, a mi entender, no es una regresión lineal múltiple ni multivariada:
Quiero un ajuste lineal global para varias muestras medidas. Entonces medí x e y para 5 muestras, cada una de las cuales produjo y = mx + n. Realizo una regresión lineal de todas estas 5 muestras a la vez, obteniendo un myn para las 5. ¿Cómo se llama esto? En JMP utilizo el "modelo de ajuste" con la variable de rol y, el efecto del modelo x y luego se cruza con el número de muestra.
¡Gracias, no pude encontrar esto en mi búsqueda hasta ahora!
Re: regresión linealSupongo que por " varias muestras medidas "tienes 5 observaciones de (x, y). Utiliza una regresión lineal simple para ajustar el modelo de tendencia lineal, y = mx + n. Usted ajusta dicho modelo con Bivariado (a través del comando Ajustar Y por X) o Ajustar mínimos cuadrados (a través del comando Ajustar modelo).
Re: regresión linealHola,
¡Gracias por su respuesta! Adjunto hay un informe de ejemplo. No estoy seguro de que el comando Ajustar modelo realmente haga lo que espero:
Hay 5 chips diferentes con dependencias lineales, deben tener la misma pendiente pero diferentes intersecciones. Me gustaría obtener una sola pendiente que se ajuste mejor a las 5 fichas. Creo que esto es lo que se da como estimación de temperatura (la variable independiente). No estoy seguro de lo que representan las estimaciones para cada chip y por qué solo hay 4 en lugar de 5.
Re: regresión linealSolo hay 4 coeficientes para los 5 efectos cruzados porque uno debe omitirse (como lo determinan los otros 4). Si desea ver los 5 coeficientes, haga clic en la flecha roja y obtenga los estimados expandidos para ver los 5 niveles. Además, si cree que hay una pendiente común (como sugiere el gráfico), entonces no incluiría el término cruzado. Simplemente incluya la variable de chip y obtendrá las intersecciones estimadas para cada chip y solo una estimación de pendiente común.
Re: regresión lineal¡Gracias! Sí, el término cruzado no era lo que estaba buscando. Entonces, ¿con solo agregar el chip como efecto del modelo, la evaluación aún se consideraría una simple regresión lineal?
Re: regresión lineal¡Muchas gracias por aclarar eso!Re: regresión linealNo. UNA Regresión lineal simple sería el resultado si ajusta una línea a los datos por separado para cada nivel de Chip. Puede hacerlo fácilmente en Bivariate si coloca Chip en la función de análisis Por o si usa el comando de menú Agrupar por en Bivariate. Los resultados de SLR, sin embargo, son independientes. La intersección y la pendiente no están relacionadas entre las fichas. Desea limitar la pendiente de todas las fichas para que sea la misma, por lo que utiliza regresión múltiple modelo en el que puede agregar términos para representar cómo cree que la respuesta está relacionada con las variables predictoras.
Re: regresión linealLlego tarde, pero descubrí que la prueba de paralelismo en ajustes no lineales también produce una pendiente común según lo deseado.
En la pestaña del menú Analizar, seleccione Modelado especializado y seleccione No lineal. Agrupe sus datos (en su caso, por chips) en el cuadro de diálogo y Ejecutar modelo. En la ventana Ajustar, seleccione Polinomios (ajuste lineal) en la pestaña Ajustar curva (triángulo rojo). Esto por defecto produce pendientes e intersecciones independientes para todos los grupos. Para compartir la pendiente, seleccione Probar paralelismo en la pestaña Ajuste lineal (triángulo rojo). Se abre una nueva pestaña con las Estimaciones de parámetros de ajuste paralelo donde encontrará la pendiente compartida y las intersecciones individuales. Espero que esto ayude.
