JMP能否估計模型係數的不確定性<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />有顧客問：
考慮一個y變量（測量）一個模型是獲得於多重線性回歸是這樣的形式y_mod = a1 * 水泥 +
a2 * 水+ a3 * 空氣
現在考慮作為確定性的輸入參數水泥、水和空氣，我們可以嗎回去和聯合管理計劃關於不確定性係數的a1 ， a2和a3如果一個協方差y_mod是固定的？ 客戶聽說過推理或者貝葉斯更新中接近這 ...
提前致謝，
瓦萊麗
回复：JMP 能否估計模型係數的不確定性嗨瓦萊麗，
這聽起來確實很像構建模型的貝葉斯方法。 WinBUGS 和 OpenBUGS（BUGS = 使用吉布斯採樣的貝葉斯推理）等軟件使用馬爾可夫鏈蒙特卡羅算法對模型中每個參數的不同係數進行採樣。 一旦鏈穩定下來，每個係數值的分佈就可以用來給出“可信區間”：不確定性的度量，相當於置信區間。
但是，無法直接在 JMP 中執行這些操作。 我認為可以與 R 接口進行貝葉斯推理。 或者您可以使用 JMP 來可視化和分析 WinBUGS 的輸出（有一篇關於此的博客文章：使用 JMP 評估 MCMC 診斷）。
這取決於客戶為什麼要這樣做。 如果他們使用最小二乘回歸構建了模型，則可以通過右鍵單擊參數估計表 > 列 > 下 95%、上 95% 來獲取每個係數的置信區間。 或者，如果他們有 Pro，他們可以右鍵單擊表中的“估計”和 Bootstrap 來估計不確定性。 他們為什麼要使用貝葉斯推理？
問候，
菲爾
