Obtenga más información en nuestro curso en línea gratuito:
Pensamiento estadístico para la resolución de problemas industriales
En este ejemplo, usamos los datos de limpieza y ajustamos un modelo de regresión lineal múltiple para Eliminación con tres predictores, sobredosis , IDENTIFICACIÓN , y Peso .
Recuerde que cuando ajustamos un modelo lineal con una respuesta y un predictor, usamos Graph Builder o la plataforma Fit Y by X. Graph Builder se utiliza más con fines exploratorios, mientras que Fit Y by X proporciona opciones de análisis más completas y formales.
Para ajustar un modelo con más de un predictor a la vez, usamos Ajustar modelo en el menú Analizar.
seleccionaremos Eliminación como la variable Y.
Luego seleccionaremos sobredosis , IDENTIFICACIÓN , y Peso y haga clic en Agregar para agregar los términos como efectos del modelo.
La personalidad predeterminada, o tipo de análisis, es mínimos cuadrados estándar. JMP utilizará el método de mínimos cuadrados para ajustar el modelo de regresión.
Tenga en cuenta que Fit Model es una plataforma de modelado muy flexible, con muchas opciones de análisis diferentes. Estos incluyen la regresión logística y por pasos, que analizaremos más adelante en este módulo, y la regresión generalizada, que presentaremos en el módulo Modelado predictivo.
Puede utilizar la opción Énfasis para especificar el tipo de salida que proporciona JMP cuando se ejecuta el modelo. El énfasis predeterminado para los modelos de regresión con tres predictores es Apalancamiento de efectos.
Seleccionamos Correr para ajustar el modelo de regresión.
El gráfico Actual by Predicted proporciona un resumen de nuestro análisis. Esta es una gráfica de nuestros valores de respuesta reales contra los valores predichos por nuestro modelo.
La línea horizontal es la media general y la línea diagonal es nuestra media predicha. Las bandas son bandas de confianza para la media pronosticada.
Los coeficientes de nuestro modelo se informan en la tabla Estimaciones de parámetros.
Recuerde que JMP ofrece muchas opciones debajo del triángulo rojo superior. seleccionaremos Mostrar expresión de predicción del menú Presupuestos. Esto muestra la ecuación de nuestro modelo de regresión ajustado, lo que facilita la comprensión de los coeficientes del modelo.
Veamos las estadísticas de ajuste del modelo que presentamos en el video anterior. El error cuadrático medio, RSquare y RSquare ajustado se informan en la tabla Resumen de ajuste.
Recuerde que nuestro modelo inicial, con sólo sobredosis , tuvo un error cuadrático medio de raíz de 1,12 y un RSquare de 0,84. Las estadísticas de ajuste para nuestro modelo de regresión lineal múltiple con sobredosis , YO D, y Ancho son casi idénticos.
Entonces, el modelo con los tres predictores no explica ninguna variación adicional en Eliminación que nuestro modelo simple con solo sobredosis .
