無料のオンラインコースで詳細をご覧ください。
産業問題解決のための統計的思考
この例では、前のJMPデモで中断したところから続行します。 のモデルに適合していることを思い出してください不純物、3つの予測子を使用して、臨時雇用者、触媒濃度、 と反応時間、Analyze、FitModelを使用します。
不純物はY変数であり、臨時雇用者、触媒濃度、 と反応時間モデル効果です。
前に説明したActualbyPredictedプロットは、現在のモデルによって予測された値に対する実際の応答値のプロットです。
予測による実際のプロットは、外れ値、異常な観測値、および曲率など、モデルで説明されていないデータのパターンを特定するのに役立ちます。 ほとんどの場合、私たちのポイントは、当てはめられた回帰直線の周りにランダムに散らばっているように見えます。
JMPは、デフォルトでResidualbyPredictedプロットを提供します。 このプロットは明らかなパターンを示しておらず、残差はゼロの中心線の周りにランダムに散在しているように見えます。
このレッスンで説明する追加の残差プロットは、行診断の下の上の赤い三角形から入手できます。 これには、行ごとの残差プロット、スチューデント化残差プロット、および残差の正規分位数プロットが含まれます。
これは、たとえば、JMPプラットフォームを使用して独自の残差プロットを作成する場合に特に便利です。
クックのDインフルエンスは、[列の保存]のもう1つのオプションです。
選択するとクックのDインフルエンス、新しい列がデータテーブルに保存され、各観測値のクックのD値が示されます。 これで、配布プラットフォームを使用して、影響力のある観測があるかどうかを判断できます。
この例では、クックの最大D値は0.06です。 したがって、影響力のある観測に問題はありません。
JMPの残差プロットのもう1つのタイプは、効果てこ比プロットです。 これらのプロットは、モデルの各用語に対してデフォルトで表示されます。
基本的に、各プロットは、モデルにすでに他の効果がある場合に、モデルに予測子を追加した場合の影響を示しています。
プロットを活用すると、異常なパターンの確認、モデルに影響を及ぼしているポイントの確認、多重共線性の問題の特定が容易になります。
レバレッジプロットの解釈の詳細については、JMPヘルプにアクセスすることをお勧めします。
