무료 온라인 과정에서 자세히 알아보십시오.
산업 문제 해결을 위한 통계적 사고
이 예에서 우리는 청소 데이터를 사용하고 다중 선형 회귀 모델을 적합합니다. 제거 3개의 예측 변수를 사용하여 외경 , ID , 그리고 무게 .
하나의 응답과 하나의 예측 변수가 있는 선형 모델을 피팅할 때 그래프 빌더 또는 Fit Y by X 플랫폼을 사용한다는 것을 기억하십시오. Graph Builder는 탐색 목적으로 더 많이 사용되는 반면 Fit Y by X는 보다 포괄적이고 형식적인 분석 옵션을 제공합니다.
한 번에 둘 이상의 예측 변수가 있는 모델을 피팅하려면 분석 메뉴에서 모델 피팅을 사용합니다.
우리는 선택할 것입니다 제거 Y 변수로.
그럼 선택하겠습니다 외경 , ID , 그리고 무게 , 클릭 추가하다 항을 모형 효과로 추가합니다.
기본 성격 또는 분석 유형은 표준 최소 제곱입니다. JMP는 최소 자승법을 사용하여 회귀 모델에 맞춥니다.
Fit Model은 다양한 분석 옵션이 있는 매우 유연한 모델링 플랫폼입니다. 여기에는 이 모듈의 뒷부분에서 논의할 단계적 및 로지스틱 회귀와 예측 모델링 모듈에서 소개할 일반화된 회귀가 포함됩니다.
강조 옵션을 사용하여 모델이 실행될 때 JMP가 제공하는 출력 유형을 지정할 수 있습니다. 3개의 예측 변수가 있는 회귀 모델의 기본 강조는 효과 레버리지입니다.
우리는 선택 운영 회귀 모델에 맞추기 위해
Actual by Predicted 플롯은 분석 요약을 제공합니다. 이것은 모델에 의해 예측된 값에 대한 실제 응답 값의 플롯입니다.
수평선은 전체 평균이고 대각선은 예측 평균입니다. 밴드는 예측된 평균에 대한 신뢰 밴드입니다.
우리 모델의 계수는 Parameter Estimates 테이블에 보고됩니다.
JMP는 상단의 빨간색 삼각형 아래에 많은 옵션을 제공합니다. 우리는 선택할 것입니다 예측 표현식 표시 견적 메뉴에서. 이렇게 하면 피팅된 회귀 모델에 대한 방정식이 표시되어 모델 계수를 더 쉽게 이해할 수 있습니다.
이전 영상에서 소개한 모형 적합도 통계를 살펴보겠습니다. 제곱 평균 제곱근 오차, RSquare 및 RSquare 조정은 맞춤 요약 표에 보고됩니다.
우리의 초기 모델은 외경 , 제곱 평균 제곱근 오차는 1.12이고 RSquare는 0.84입니다. 다중 선형 회귀 모델에 대한 적합 통계 외경 , 나 디, 그리고 너비 거의 동일합니다.
따라서 3개의 예측 변수가 모두 있는 모델은 추가 변동을 설명하지 않습니다. 제거 단순한 모델보다 외경 .
