Box Cox Modell R2 angepasst für originales AnsprechverhaltenHallo!
Ich habe ein multiples Regressionsmodell erstellt, das die Box Cox-Antworttransformation verwendet, und jmp hat R2_adjusted für mein Modell gemeldet, aber jetzt muss ich R2_adjusted für die ursprüngliche nicht transformierte Antwort finden. Kann ich die Standardformel R2_adjusted verwenden? Ich muss den Box Cox Lambda-Parameter irgendwie in das Modell DF aufnehmen. Soll ich einfach die Anzahl meiner Modellparameter um 1 erhöhen?
Vielen Dank!
AnalytikBetreff: Box Cox Modell R2 angepasst für ursprüngliche ReaktionIch muss an diesen Fall denken. "Alle Wetten sind aus", wenn Sie die Antwort zwischen den Modellen ändern und die meisten Kriterien wie AICc verwenden. Sie sind nur gültig, wenn Sie das Modell wechseln.
Aber das angepasste R-Quadrat ist ein Verhältnis der mittleren Quadrate (Varianz), und ich denke immer noch, dass der DF für das mittlere Quadrat keinen Transformationsparameter enthält. Man könnte es sich auch so vorstellen: Die Originaldaten verwenden auch einen Lambda-Parameter für die Box-Cox-Transformation. Lambda ist 1.
Betreff: Box Cox Modell R2 angepasst für ursprüngliche ReaktionMark, das klingt richtig, wenn jmp R2_adjusted für das BoxCox-Modell berechnet. aber ich brauche neue R2_adjusted, wenn ich eine Rücktransformation durchführe, um die ursprüngliche Antwort zu erhalten. Es ist, als wäre Pi keine Konstante, sondern eine Variable, die von jmp stammt. Soll ich sie trotzdem aus der DF-Berechnung verwerfen?
Der Grund, warum ich R2_adjusted brauche, ist der Vergleich mit anderen Modellen, die ich ohne Box Cox-Transformation gemacht habe.
Betreff: Box Cox Modell R2 angepasst für ursprüngliche ReaktionEs ist ein 'Hyper-Parameter', der bei der Optimierung der Transformation verwendet wird. Sie legen die Modellterme fest und bestimmen Lambda. Jetzt fixieren Sie Lambda, um die Modellparameter zu bestimmen. Diese Situation ist bei Vorhersagemodellen üblich, die zusätzliche Parameter des Anpassungsverfahrens beinhalten, wie z. B. die Lernrate und so weiter.
Stellen Sie sich vor, dass unabhängig von der Modellauswahl festgestellt wird, dass der gemessene Antwort-„Durchmesser“ nicht linear mit den Prädiktoren zusammenhängt. Die gemessene Antwort wird als Pi() * (Durchmesser/2)^2 transformiert. Die Transformation und eventuell verwendete „Parameter“ sind nicht Teil der Modellauswahl.
R zum Quadrat ist eine Schätzung der Modellgenauigkeit. Das angepasste R-Quadrat berücksichtigt die Parameter im linearen Prädiktor. Das ist alles.
Betreff: Box Cox Modell R2 angepasst für ursprüngliche ReaktionAber mein Box Cox Lambda kam als Optimierungsparameter aus dem Vorgängermodell (Funktion von jmp fit platform), wie ist es kein Parameter?
Danke für deine Antwort!
Betreff: Box Cox Modell R2 angepasst für ursprüngliche ReaktionVerwenden Sie einfach denselben linearen Prädiktor mit der ursprünglichen Antwort.
