独立変数および共変量としての連続変数やあ、
フィットモデルプラットフォームで連続変数を使用するという観点から、JMP で連続変数を独立変数または共変量として定義する方法を理解しようとしています。
私の現在の理解は、設計の役割を連続変数に対する共変量として定義しない限り、独立しているということです。また、F 検定に基づくモデル有意性検定は ANOVA と呼ばれます。
連続変数が共変量として定義されている場合、モデル有意性検定は ANCOVA と呼ばれます。
上記の理解に基づいて、「地域」、「高校卒業生」およびその相互作用を使用した応答「8 年生の数学」の最小二乗プラットフォームを使用して、サンプル データ「米国の人口統計」を使用してモデルをフィッティングしました。
「高校卒業生」は数学上の独立変数とみなされます。
最初の分析では、設計上の役割を定義せずに「高校卒業生」をそのまま使用します（独立）。
2 回目の分析では、「高校卒業生」が設計役割の共変量として定義されます。
f 検定とパラメーター推定の p 値、モデルと誤差の推定値と SS は、1 回目と 2 回目の分析で同じです。 モデルの誤差項、モデルの p 値、パラメーター推定値の p 値に多少の違いがあることが予想されます。
「はい」の場合、DOE に固有の設計役割オプションですか。 最小二乗/フィットモデルで使用するために連続因子を独立または共変量として定義するにはどうすればよいですか。
ありがとう！！
消費者および市場調査Re: 独立変数および共変量としての連続変数ありがとうマーク！
ANOVA に連続変数が含まれる場合、共分散分析 (ANCOVA) が行われます。
保存期間予測モデル SS (時間は共変量) とデフォルトの ANOVA で観察された違いは、使用される SS のタイプによるものです。 ここが押さえ忘れていたところです。
ありがとう！！Re: 独立変数および共変量としての連続変数共変量という用語は、その解釈が使用方法 (コンテキスト) に依存するため、理解するのが難しい場合があります。 データがすでに存在する回帰アプリケーションでは、共変量は単なる連続独立変数であることがよくあります (ANCOVA では、他の独立変数はおそらくカテゴリー的）。 DOE の目的では、共変量は次のようになります。通常測定されるが、特別に操作されるわけではない独立変数 (多くの場合、共変量はノイズであり、制御したくない変数であるため)。 モデル内の共変量を考慮/割り当てることにより、設計要素の効果を検出する精度が向上します。
たとえば、実験を実行していて、周囲温度の影響を懸念しているとします。 周囲温度を管理したくないので、周囲温度を測定します。実験の各実行中の測定。 モデルを作成するときは、周囲温度を追加します。共変量として使用します (通常、共変量をモデルの最初に置き、その有意性を決定するために逐次検定 (タイプ 1) を使用します。 残りのモデル効果には部分テスト (タイプ 3) を使用します。) これにより、周囲温度の影響が考慮されます (そうでなければ、誤差項に取り込まれていたでしょう)。 誤差項からこれらの影響を除去する (MSE が減少する) ことにより、実験での因子をテストする精度が向上しました。
Re: 独立変数および共変量としての連続変数何も定義する必要はありません。 [分析] > [モデルの適合] を選択した後、エフェクト ロールで独立変数 (データ列) を単純にキャストします。 データ列は数値データ型と連続モデリング型として定義されているとします。 データ列を選択し、[列] > [列情報] を選択すると、タイプを確認できます。
「設計の役割 = 共変量」は、通常、JMP で実験を設計し、共変量係数を追加するときに自動的に作成される列プロパティです。 この場合の「共変量因子」という用語は、実行とともに共変動する変数を特に指し、そのレベルは事前に決定されており、その効果はモデル内で推定されます。
回帰分析から異なる結果が期待されるのはなぜですか?
