무료 온라인 과정에서 자세히 알아보십시오.
산업문제 해결을 위한 통계적 사고
이 예에서는 다음에 대한 모델을 다시 적합합니다. 불결 모델 적합을 사용합니다. 그러나 이번에는 모델에 범주형 예측 변수도 추가합니다.
먼저 추가합니다. 불결 Y 변수로.
모델에 범주형 예측 변수를 추가하는 것은 연속 예측 변수를 추가하는 것과 다르지 않습니다. 변수를 선택하고 클릭하기만 하면 됩니다. 추가하다 .
이전 비디오에서 범주형 예측자를 코딩하는 옵션에 대해 논의했습니다. JMP가 배후에서 -1/1 효과 코딩을 적용한다는 점을 상기하십시오.
모델을 실행할 때 JMP는 매개변수 추정치 표에 범주형 예측 변수에 대한 계수를 표시합니다.
우리는 세 가지 수준의 반응기 , 그래서 두 개의 계수가 있습니다 반응기 .
우리는 두 개의 교대조가 있으므로 다음에 대한 하나의 계수가 있습니다. 옮기다 .
예측 표현식을 켜면 JMP가 모델의 전체 방정식을 표시합니다.
예측 프로파일러를 사용하면 범주형 예측 변수 값의 변화가 예측 응답을 어떻게 변경하는지 쉽게 확인할 수 있습니다.
을 위한 반응기 , 다른 모든 것을 일정하게 유지하면서 반응기를 1에서 2로 변경하면 예측 평균 불결 약 0.2 단위 증가합니다. Reactor 1과 Reactor 2의 값을 비교할 때 예측 표현식에서 이러한 차이를 볼 수 있습니다.
0/1 더미 코드 매개변수 추정치를 보려면 다음을 선택하십시오. 견적 그런 다음 지표 매개변수화 추정치 , 상단 빨간색 삼각형에서.
에 대한 더미 코딩된 추정치를 살펴보겠습니다. 옮기다 . 더미 코딩을 사용하여 평균을 비교합니다. 불결 평균으로의 첫 번째 이동 불결 다른 모든 것을 일정하게 유지하면서 두 번째 교대 근무를 위해. 평균이라는 것을 쉽게 알 수 있습니다. 불결 첫 번째 교대조의 경우 두 번째 교대조보다 약 0.1단위 더 높습니다. 그러나 이 차이는 중요하지 않습니다.
