신뢰 한계 공식을 사용한 일반화 선형 모델에 대한 예측 프로파일러표준 최소제곱법을 사용하는 적합 모델 플랫폼을 사용하면 예측 공식과 표준 오차를 별도의 열에 효과적으로 저장할 수 있습니다. 여러 응답에 대해 이 작업을 수행하는 경우, 그래프 -> 프로파일러 메뉴를 사용하여 해당 모델을 효과적으로 오버레이할 수 있습니다. 각 응답에는 서로 다른 의미 있는 예측 변수 세트가 있을 수 있으므로 이 기능은 매우 유용합니다. 이 주제에 대한 관련 스레드는 다음과 같습니다.
https://community.jmp.com/t5/Discussions/Confidence-Interval-in-prediction-profiler/td-p/10817
하지만 로지스틱 회귀 분석과 같은 일반화 선형 모형(GLM)을 사용하는 경우에는 그런 행운이 없습니다. GLM 성격 모형을 적합하는 단일 모형 내에서 해당 플랫폼의 결과에는 신뢰 구간이 있습니다. 하지만 예측 공식만 내보낼 수 있습니다. 가장 중요한 두 가지 반응에 표준 최소 제곱법을 사용한 정규 반응 하나와 GLM 로지스틱 회귀 모형을 사용한 이항 반응 하나가 포함되어 있다면, 효과적인 예측과 신뢰 구간을 포함하는 공동 예측 프로파일러를 만들 수 없습니다. GLM에 대한 신뢰 구간을 생성할 수 있다는 증거가 이미 있으므로, 저는 이것이 가능하다고 낙관합니다. 표준 오차 예측 공식 열이 어떻게 생겼는지 알아내기만 하면 됩니다.
JMP에도 이 문제를 티켓으로 제기했습니다. JMP 지원팀의 다음과 같은 답변 덕분에 이 문제에 대한 관심이 높아졌지만, 다른 분들도 이 개선 사항에 가치를 느끼신다면 개선이 완료될 가능성이 더 높아질 것입니다.
"안타깝게도 현재로서는 결합형 독립형 프로파일러에서 이진 반응에 대한 예측 확률을 중심으로 신뢰 구간을 구하는 방법을 찾을 수 없습니다."
GLM이나 중첩된 항을 포함하는 최소제곱 모델에 대한 표준 오차 공식을 저장할 수 없다는 말씀에 대해 이해합니다. 특별한 이유는 모르겠습니다. 이 문제를 JMP R&D에 전달하여 향후 JMP 버전에서 검토하도록 하겠습니다.
데이터 탐색 및 시각화결과 공유 및 전달Re: 신뢰 한계 공식이 있는 일반화 선형 모델에 대한 예측 프로파일러올려주셔서 감사합니다. 연속 응답과 이진 응답이 모두 있는 것은 우리에게도 매우 일반적인 시나리오이며 매번 로지스틱 모델의 신뢰 구간이 그리워집니다.
Re: 신뢰 한계 공식이 있는 일반화 선형 모델용 예측 프로파일러 - 상태가 다음으로 변경됨: 확인됨안녕 @jszarka , 당신의 제안에 감사드립니다! 귀하의 요청을 접수했으며 검토하겠습니다.
Re: 신뢰 한계 공식을 사용하는 일반화 선형 모델에 대한 예측 프로파일러업데이트가 있나요? 일반화 선형 혼합 모델에 이러한 기능 중 일부가 있다는 것을 확인했습니다. "예측 및 간격 공식"을 저장할 수 있습니다. 특정 조합의 수치는 표시되지 않더라도 더 나은 그림을 얻을 수 있습니다(아래 참조). 일반화 회귀처럼 이것이 더 광범위하게 가능할까요?
Re: 신뢰 한계 공식을 사용한 일반화 선형 모델에 대한 예측 프로파일러
@jszarka 님이 쓰셨습니다:
그래프 -> 프로파일러 메뉴를 효과적으로 사용하여 해당 모델을 오버레이할 수 있습니다.
뭔가 요령이 있나요?
두 가지 다른 모델의 오버레이 프로파일러
Re: 신뢰 한계 공식을 사용한 일반화 선형 모델에 대한 예측 프로파일러@hogi - 제가 '오버레이'를 사용한 것이 귀하의 스레드에 있는 내용과 일치하지 않는 것 같습니다. 제 경우에는 로지스틱 회귀와 일반 선형 회귀와 같이 다양한 유형의 모델에서 여러 프로파일러를 사용할 수 있다는 것을 의미했습니다. 프로파일러에서 리터럴 예측 방정식을 서로 겹쳐 놓는 것도 흥미로운 요청입니다. 잔차 열에 대한 제안은 바람직성 함수와 시뮬레이터 도구와 같은 개념을 사용하여 모델의 차이가 0에서 얼마나 멀리 떨어져 있는지 확인할 수 있기 때문에 타당해 보였습니다. 잘 되기를 바랍니다!
Re: 신뢰 한계 공식을 사용한 일반화 선형 모델에 대한 예측 프로파일러 - 상태가 다음으로 변경됨: 예, 계속 지켜봐 주세요!안녕하세요, jszarka님. 위시리스트 요청을 진행할 예정입니다. 19.1 버전에 이 기능을 추가할 예정입니다. 기대해 주세요. 감사합니다!
