범주 형 변수에 대한 모수 추정값 해석저는 몇 가지 활성 효과 만있는 모델이 있습니다. 즉, 표의 세 가지 주요 효과입니다. epsilon_r ^ n 및 Rt ^ n은 연속 변수이지만 E ^ n은 -1 및 +1 값을 가질 수있는 범주 형 변수입니다.
예측 프로파일 러에서 세 가지 경우 모두 독립 변수 값이 높을수록 예측 N25 (물리적 관점에서도 예상 됨)가 낮아진다는 것이 분명합니다.
그렇다면 왜 epsilon_r ^ n 및 Rt ^ n에 대한 추정 계수가 음수인데 E ^ n에 대한 계수가 양수입니까? 매개 변수 테이블에서 "[-1 -1]"표현식을 어떻게 해석해야합니까?
모델을 데이터 테이블에 저장하면 다음 모델 공식에 액세스 할 수 있습니다.
따라서 E ^ n (즉 1)의 값이 높을수록 공식 (예 : 0)의 값이 낮아집니다. 모수 추정치 표에서이 정보를 어떻게 가져와야하는지 잘 모르겠습니다. 이걸 설명 해주시 겠어요?
해석학Re : 범주 형 변수에 대한 모수 추정값 해석안녕하세요 안녕하세요. ,
먼저 JMP Pro가 있습니까? 그렇다면 매개 변수 추정치에서 부트 스트랩 계산을 실행하여 어떤 매개 변수가 실제로 0 (또는 0에 가까운)인지, 실제로 0이 아닌 매개 변수와 일반적인 값 (평균 수천 개의 부트 스트랩)을 더 잘 이해하는 것이 좋습니다. .
즉, E ^ na 명목 값을 만들었으므로 JMP가 모수 추정치를보고 할 때 가능한 값을 다시보고합니다 (이 경우 [-1 -1]은 -1에서 1을 의미 함). E ^ n 예측 변수가 모델에 어떻게 적합한 지 더 잘 이해하기 위해 대신 순서로 변경할 수 있습니다.
E ^ n이 양의 계수 (또는 0)를 얻는 이유는 예측을 위해 다시 얻은 함수와 관련이 있습니다. 공식은 기본적으로 다음과 같습니다.
y = exp (a + b * x_1 + c * x_2 + d * x_3 + f)
더 큰 y 응답을 얻으려면 지수의 인수가 가능한 한 커야합니다. 따라서 x_1 및 x_2에 대한 계수가 음수이고 "a"및 "f"가 양수이면 더 큰 값을 얻는 유일한 방법입니다. 인수는 x_3 (즉 E ^ n)의 계수를 양수로 만드는 것입니다.
N25의 동작이 예측 변수에 어떻게 반응하는지 볼 때 물리적으로 의미가 있다고 언급했습니다. 물리적 (또는 화학적) 프로세스를 살펴보고 있다면 이론적으로 시작할 수있는 방정식이 있습니까? 그렇다면이를 예측 공식으로 사용해야하며 점프가없는 경험적 공식을 생성해야합니다. 예를 들어, 공이 x 미터로 떨어지는 데 걸리는 시간을 측정하는 경우이를 예측하는 물리적 공식이 있습니다. 즉, y = y_0 + v_0 * t + 1 / 2 * g * t ^ 2, 중력장에서의 운동 공식. JMP에서 이러한 데이터를 분석 할 때 공식을 이론적 모델에 고정하고 이론과의 편차가 있는지 확인합니다.
그러나 다시 말하지만, E ^ n을 서수로 바꾸면 더 이해가 될 것 같습니다. 또한 실제로 JMP가 경험적 공식을 생성하도록해야하는 경우에는 추정치를 부트 스트랩하거나 시뮬레이션하여 모델에서 누락 된 것이 없는지 확인하기 위해 실제로 0 또는 0에 가까운 것을 확인해야합니다.
도움이 되었기를 바랍니다.
행운을 빕니다!,
DS
Re : 범주 형 변수에 대한 모수 추정값 해석DS님께,
E ^ n을 명목에서 서수로 변경하는 것이 실제로 트릭이었습니다. 매개 변수의 절대 값은 이전과 동일하지만 부호가 훨씬 더 직관적 인 음수로 변경되었습니다. 감사합니다!
나는 실제로 JMP PRO를 가지고 있습니다 (그러나 최근에 만 얻었습니다).
이 경우에 사용할 수있는 경험적 공식은 없지만 그 방법을 아는 데 관심이 있습니다. 저를 튜토리얼로 안내해 주시면 감사하겠습니다. 언급 한 부트 스트랩도 마찬가지입니다.
문안 인사,
마티아스
Re : 범주 형 변수에 대한 모수 추정값 해석안녕하세요 안녕하세요. ,
서 수로의 변경이 효과가 있고 도움이되어 기쁩니다.
이론적 모델에 관한 한 함수가있는 경우 열 속성의 "공식"기능을 사용하여 예측 변수를 기반으로 열을 "프로그래밍"할 수 있습니다. 그러나 이론적 모델이없는 것 같습니다.
추정치를 부트 스트랩하려면 JMP 보고서에서 열 추정치를 마우스 오른쪽 버튼으로 클릭 한 다음 부트 스트랩을 선택합니다. 빠르면 5000 개 정도 넣고 느리면 2500 개로 두세요. "분수 가중치 확인란을 선택해야합니다. 피팅을 여러 번 다시 실행 한 다음 예측 변수의 각 계수에 대한 값 분포를 제공합니다 (출력 데이터 테이블에서 "분포"스크립트를 실행하기 만하면됩니다. 그런 다음 표시되는 분포 및 통계와 함께 요약 통계를 마우스 오른쪽 버튼으로 클릭하고 "결합 된 데이터 테이블로 만들기"를 선택할 수 있습니다. 또한 0이 아닌 비율을 표시하도록 요약 통계를 사용자 정의해야합니다.
결합 된 데이터 테이블에는 추정치에 대한 평균과 비율이 0이 아닙니다. 여기에서 평균 (일반 값)이 무엇인지, 그 추정치가 0이 아닌 빈도 (백분율)를 볼 수 있습니다. 그 숫자가 작 으면 추정치는 종종 0입니다. 크면 대부분 0이 아닙니다. 이것은 모델에서 필요하거나 필요하지 않은 항과 혼합 항을 결정하는 좋은 방법입니다.
"시뮬레이션"을 선택할 수도 있지만이 경우 모델에서 사용한 공식 열로 교체하려면 데이터 테이블의 다른 공식 열이 필요합니다. 이것은 조금 더 복잡합니다. 자동 검증 Gotwalt와 Ramsey에서. 그것을 설명하는 PPT와 비디오가 있습니다. 약간 다르고 부트 스트랩 접근 방식에 약간 다른 결과를 제공하지만 기본적으로 동일한 작업을 수행합니다. 나는 항상 이러한 접근 방식을 사용하여 모델의 요소를 제거합니다.
자동 유효성 검사 접근 방식에 대한 한 가지 매우 좋은 차이점은 데이터에 대해 완전히 임의적이고 직교하는 null 요소를 생성한다는 것입니다. 다른 요인보다 시뮬레이션에서 더 자주 나타날 때마다 덜 자주 나타나는 요인을 확실히 제거 할 수 있습니다. 요인과 그 조합에 대해 계층 및 유전 규칙을 적용하도록 여기에서주의하십시오. 사실, 이론적 모델이없고 혼합 된 용어를 포함 할 이유가 없다면 모두 생략하고 제가 알고있는 데이터 과학자로서 "부두"라고 말하고 싶습니다.
그건 그렇고, 당신이 분석 한 데이터가 DOE에서 나온 것입니까 아니면 그냥 정기적 인 실험실 연구에서 나온 것입니까?
행운을 빕니다!,
DS
Re : 범주 형 변수에 대한 모수 추정값 해석감사합니다 DS,
나는 이것을 볼 것이다. 그리고 예, 데이터는 DOI에서 제공됩니다. (실제로 3 개의 DOI에서. 이 프로젝트는 3 개의 연속적인 단계로 구성되었습니다. 많은 제약이 있었고 (당시) JMP의 "증강 설계"기능으로이를 구현할 수 없었기 때문에 저는 이들에 대해 세 개의 독립적 인 DOI를 만들었습니다.)
