GLMの分散への寄与の計算こんにちは、
単純なGLMを4つの項で実行する場合、モデルへの各項の寄与率を知りたいです。 次に例を示します。
河川、魚の年齢、魚の性別、条件変数Kを独立変数として含む簡単なモデルを作成しました。 これらの各項がモデルの全体的な分散にどのように寄与するかを知りたいのですが。 1つの基本的な方法は、各項の平方和をモデル全体の平方和の合計で割り、100を掛けることです。 あれは正しいですか？私は以下を持っています：
そして
上記のエラーソースは残差平方和ですよね？したがって、誤差を含むこれらの平方和のそれぞれを、平方和の合計（モデルと誤差）である964645712で除算します。 ただし、これを行うと、パーセンテージの合計は84％になり、100％にはなりません。
それで、私は正しい軌道に乗っていますか、それとももっと良い方法がありますか？最終的に、従属変数の変更に最も影響を与える用語を知りたいのですが。
ありがとう！
分析その他のRe：GLMの分散への寄与の計算デフォルトでは、JMPはタイプIIIの二乗和を使用しますが、これらは加算できません。タイプIIIの二乗和は、他のすべての項が説明されると、その用語が説明する変動の量を定量化します。加法的なタイプI二乗和が欲しいと思われます。
それらを表示するには、[応答]メニューのタイトルの横にある赤い三角形をクリックします。Estimates> Sequential Testsを選択します。順次テストは現在、順序に依存していることに注意してください。つまり、River、Age、Sex、およびKのモデルは、モデルがK、Sex、Age、およびRiverとして指定された結果（考えられる例の1つ）とは異なる二乗和を与えます。これが、JMPのデフォルトではない理由です。
モデル内のどの用語が最も重要かを判断し、その重要度をランク付けしようとしていると思います。しかし、重要性はいくつかの方法で検討できます。1つ目は、どの用語が最も重要であるかです。このため、棒グラフを提供する効果の概要を検討して、各用語がモデルにとってどれほど重要であるかを説明する必要があります。重要性に対する2番目のアプローチは、どの用語が応答に最も影響を与えるかを検討することです。これは、予測プロファイラーを使用して視覚的に判断できます。これらのアプローチにはそれぞれ他の可能なツールがあり、重要性を考慮する他の方法もあることに注意してください。
