Erfahren Sie mehr in unserem kostenlosen Online-Kurs:
Statistisches Denken für die industrielle Problemlösung
In diesem Beispiel verwenden wir die Reinigungsdaten und passen ein multiples lineares Regressionsmodell an Entfernung mit drei Prädiktoren, OD , ICH WÜRDE , und Gewicht .
Denken Sie daran, dass wir beim Anpassen eines linearen Modells mit einer Antwort und einem Prädiktor entweder den Graph Builder oder die Plattform Y by X anpassen verwenden. Graph Builder wird eher zu explorativen Zwecken verwendet, während Fit Y by X umfassendere und formalere Analyseoptionen bietet.
Um ein Modell mit mehr als einem Prädiktor gleichzeitig anzupassen, verwenden wir „Modell anpassen“ aus dem Menü „Analysieren“.
Wir wählen aus Entfernung als Y-Variable.
Dann wählen wir aus OD , ICH WÜRDE , und Gewicht , und klicken Sie Hinzufügen um die Terme als Modelleffekte hinzuzufügen.
Die Standardpersönlichkeit oder der Analysetyp ist die standardmäßige Methode der kleinsten Quadrate. JMP verwendet die Methode der kleinsten Quadrate, um das Regressionsmodell anzupassen.
Beachten Sie, dass Fit Model eine sehr flexible Modellierungsplattform mit vielen verschiedenen Analyseoptionen ist. Dazu gehören die schrittweise und die logistische Regression, die wir später in diesem Modul besprechen, und die generalisierte Regression, die wir im Modul "Vorhersagemodellierung" vorstellen.
Sie können die Option Betonung verwenden, um den Ausgabetyp anzugeben, den JMP bereitstellt, wenn das Modell ausgeführt wird. Der Standardschwerpunkt für Regressionsmodelle mit drei Prädiktoren ist Wirkungshebel.
Wir wählen aus Laufen an das Regressionsmodell anpassen.
Das Diagramm "Ist nach Vorhergesagt" bietet eine Zusammenfassung unserer Analyse. Dies ist ein Diagramm unserer tatsächlichen Antwortwerte gegenüber den von unserem Modell vorhergesagten Werten.
Die horizontale Linie ist der Gesamtmittelwert, und die diagonale Linie ist unser vorhergesagter Mittelwert. Die Bänder sind Konfidenzbänder für den vorhergesagten Mittelwert.
Die Koeffizienten in unserem Modell sind in der Tabelle Parameterschätzungen angegeben.
Denken Sie daran, dass JMP unter dem oberen roten Dreieck viele Optionen bietet. Wir wählen aus Vorhersageausdruck anzeigen aus dem Menü Schätzungen. Dies zeigt die Gleichung für unser angepasstes Regressionsmodell an, was das Verständnis der Modellkoeffizienten erleichtert.
Sehen wir uns die Modellanpassungsstatistiken an, die wir im vorherigen Video vorgestellt haben. Root Mean Square Error, RSquare und RSquare Adjusted werden in der Tabelle Summary of Fit angegeben.
Denken Sie daran, dass unser ursprüngliches Modell nur mit OD , hatte einen mittleren quadratischen Fehler von 1,12 und ein RSquare von 0,84. Die Anpassungsstatistik für unser multiples lineares Regressionsmodell mit OD , ICH D, und Breite sind nahezu identisch.
Das Modell mit allen drei Prädiktoren erklärt also keine zusätzliche Variation in Entfernung als unser einfaches Modell mit nur OD .
