Funciones de regresión en JMP¿Existen funciones preexistentes en JMP para algunas de las regresiones realizadas por las plataformas Fit Y by X o Fit Curve?
Para la mayor parte de mi código, cuando quiero los parámetros para un polinomio de 3P o de segundo orden, etc., llamaré a la plataforma en JMP con una variable BY y luego 'crearé una tabla de datos combinados'. Sin embargo, la única desventaja es que JMP "necesita" renderizar los gráficos para poder capturar la tabla de datos...
Bueno, con datos más grandes, la variable BY es demasiado grande y JMP muere, se queda sin RAM o tiene otros problemas al intentar realizar esta operación (uno de mis conjuntos más grandes tiene una variable BY con aproximadamente 40k valores únicos).
Una "solución" sería simplemente eliminar by y llamar a la plataforma en un bucle FOR para cada uno de los conjuntos de datos por separado. No estoy seguro de que sea más rápido o no... Lo ideal sería crear una única matriz o una serie de matrices y obtener rápidamente parámetros para cada conjunto de datos. Esto podría codificarse en una función de capa JSL, pero si existen funciones en JMP, la sobrecarga se controlaría mejor...
Para resumir:
1) ¿Tiene JMP alguna función existente que pueda calcular coeficientes de parámetros para algo más allá de la regresión lineal básica?
2) Si no es así, ¿existen mejores formas de lograr mis objetivos dentro de las plataformas JMP actuales?
3) ¿Existen funciones JSL que la gente haya creado que puedan realizar varias regresiones y devolver los coeficientes?
¡Gracias!
Investigación de Consumidores y MercadosExploración y visualización de datosRe: Funciones de regresión en JMPno lo había hecho @Dan_Obermiller ¡Esa también es una buena idea!
Re: Funciones de regresión en JMP¿Ha considerado usar Ajustar modelo con énfasis en Informe mínimo? No hay gráficos allí para renderizar.
Re: Funciones de regresión en JMP@txnelson Sí, he jugado con eso en el pasado, y hacer que la tabla sea invisible no parecía hacer que el informe también fuera invisible o privado... Creo que tener el informe privado también sería una solución para evitar la sobrecarga de renderizar los gráficos.
Re: Funciones de regresión en JMPDebería haber declarado explícitamente que no conozco una función directa para crear los parámetros polinomiales o 3P deseados.Mi sugerencia de obtener los resultados directamente de la salida "Invisible", es una sugerencia para reducir los requisitos de memoria para crear tablas de datos de salida.
Re: Funciones de regresión en JMPGracias a todos hasta ahora por sus comentarios. Permítanme tratar de aclarar algunos. Básicamente, tengo un conjunto de datos que contiene ~40k subconjuntos. Por lo general, para obtener los parámetros de regresión, usaría Fit Curve o Fit Y by X y usaría la variable BY en la plataforma para dividir los gráficos en subconjuntos y luego ajustar mi línea (en este caso, un polinomio de segundo orden, pero otras veces un 3P). Por lo que he visto, Fit Curve y Fit Y by X necesitan renderizar todos los gráficos para crear las líneas y guardar los parámetros, lo que cuesta muchos gastos generales.
No estaba seguro de si había una manera de hacer este tipo de cosas sin renderizar los gráficos, como una función independiente que solo producía los parámetros del ajuste deseado.
Re: Funciones de regresión en JMPLa plataforma no lineal puede ajustar parámetros para fórmulas definibles libremente.
Consulte la documentación correspondiente.
Re: Funciones de regresión en JMPEn lugar de obligar a JMP a crear una tabla de datos a partir de la salida de la pantalla, descubrí que muchas veces es más fácil ir directamente a la tabla de interés y extraer los valores individuales.Esta técnica se puede usar para generar toda la salida con una cláusula By y luego pasar por la pantalla, o generando una pantalla a la vez, extrayendo lo que desea, guardándolo en una tabla, una lista o una matriz, y luego cerrando la salida y pasando a la siguiente regresión.
Names Default To Here( 1 );
dt = Open( "$SAMPLE_DATA/semiconductor capability.jmp" );
biv = dt << Bivariate(
invisible,
Y( :NPN1 ),
X( :PNP1 ),
Fit Special( Degree( 2 ), Centered Polynomial( 0 ), {Line Color( "Medium Dark Red" )} ),
by( :site ) // Where( :SITE == 1 )
);
dtOut = New Table( "The Ouput",
New Column( "Name", character ),
New Column( "Intercept" ),
New Column( "Beta" ),
New Column( "Beta^2" )
);
dtOut << add rows( N Items( biv ) );
For( i = 1, i <= N Items( biv ), i++,
dtOut:Name[i] = Word( -1, Report( biv[i] )[Outline Box( 1 )] << get title, " " );
values = (Report( biv[i] )["Parameter Estimates"][Number Col Box( 1 )]) << get;
dtOut:Intercept[i] = values[1];
dtOut:Beta[i] = values[2];
dtOut:Name( "Beta^2" )[i] = values[1];
);
biv << close window;
Re: Funciones de regresión en JMPhaciendo eco @P_Bartell hay muchas opciones para modelar datos. Con respecto al #2, no entiendo cual es tu objetivo Parece que quieres crear > polinomios de primer orden. ¿Es esto de datos de observación o de un experimento? No entiendo a qué te refieres cuando dices " Llamaré a la plataforma en JMP con una variable BY "? ¿Qué plataforma?
No ser beligerante, pero te das cuenta de la razón por la que se llama regresión lineal lineal es porque los coeficientes son lineales, no los términos del modelo.
Re: Funciones de regresión en JMPHay muchos puntos confusos o poco claros en su publicación original. Entonces, en lugar de analizarlos, enfocaré mis comentarios en la pregunta #1. Respuesta: Sí. ¿Has echado un vistazo a la documentación de JMP? Hay literalmente decenas de métodos de regresión y no regresión en JMP... que van desde buenos mínimos cuadrados ordinarios a la antigua, hasta modelos lineales generales más elegantes/flexibles, hasta métodos completamente no lineales/no basados en regresión, como las plataformas Partition y Neural Network. .
