Scopri di più nel nostro corso online gratuito:
Pensiero statistico per la risoluzione dei problemi industriali
In questo esempio, utilizziamo i dati di pulizia e adattiamo un modello di regressione lineare multipla per Rimozione con tre predittori, OD , ID , e Il peso .
Ricordiamo che quando adattiamo un modello lineare con una risposta e un predittore, utilizziamo il Generatore di grafici o la piattaforma Adatta Y per X. Graph Builder viene utilizzato maggiormente per scopi esplorativi, mentre Fit Y by X offre opzioni di analisi più complete e formali.
Per adattare un modello con più di un predittore alla volta, utilizziamo Adatta modello dal menu Analizza.
Selezioneremo Rimozione come variabile Y.
Quindi selezioneremo OD , ID , e Il peso e fare clic Aggiungere per aggiungere i termini come effetti modello.
La personalità predefinita, o tipo di analisi, sono i minimi quadrati standard. JMP utilizzerà il metodo dei minimi quadrati per adattarsi al modello di regressione.
Si noti che Fit Model è una piattaforma di modellazione molto flessibile, con molte diverse opzioni di analisi. Questi includono la regressione graduale e logistica, di cui parleremo più avanti in questo modulo, e la regressione generalizzata, che introdurremo nel modulo Modellazione predittiva.
È possibile utilizzare l'opzione Enfasi per specificare il tipo di output fornito da JMP durante l'esecuzione del modello. L'enfasi predefinita per i modelli di regressione con tre predittori è Effetto leva.
Selezioniamo Correre per adattarsi al modello di regressione.
Il grafico Actual by Predicted fornisce un riassunto della nostra analisi. Questo è un grafico dei nostri valori di risposta effettivi rispetto ai valori previsti dal nostro modello.
La linea orizzontale è la media complessiva e la linea diagonale è la nostra media prevista. Le bande sono bande di confidenza per la media prevista.
I coefficienti nel nostro modello sono riportati nella tabella Stime dei parametri.
Ricordiamo che JMP fornisce molte opzioni sotto il triangolo rosso in alto. Selezioneremo Mostra espressione di previsione dal menu Preventivi. In questo modo viene visualizzata l'equazione per il nostro modello di regressione adattata, semplificando la comprensione dei coefficienti del modello.
Diamo un'occhiata alle statistiche di adattamento del modello che abbiamo introdotto nel video precedente. L'errore quadratico medio della radice, RSquare e RSquare Adjusted sono riportati nella tabella Riepilogo dell'adattamento.
Ricordiamo che il nostro modello iniziale, con solo OD , aveva un errore quadratico medio della radice di 1,12 e un RSquare di 0,84. Le statistiche di adattamento per il nostro modello di regressione lineare multipla con OD , IO D, e Larghezza sono quasi identici.
Quindi, il modello con tutti e tre i predittori non spiega alcuna variazione aggiuntiva Rimozione rispetto al nostro modello semplice con just OD .
