カトーカル変数のパラメータ推定値の解釈アクティブな効果がわずかしかないモデルがあります。つまり、表の 3 つの主な効果です。epsilon_r^n と Rt^n は連続変数ですが、E^n は -1 と +1 の値を持つカテゴリ変数です。
予測プロファイラーからは、3 つのケースすべてにおいて、独立変数の値が高いほど予測される N25 が低くなることが明らかです (これは物理的な観点からも予想されることです)。
では、なぜ epsilon_r^n と Rt^n の推定係数は負であるのに、E^n の係数は正なのでしょうか? パラメータ テーブルの式 "[-1 -1]" はどのように解釈すればよいのでしょうか?
モデルをデータ テーブルに保存すると、次のモデル式にアクセスできるようになります。
したがって、E^n の値が高いほど (つまり 1)、式内の値は低くなります (つまり 0)。パラメータ推定テーブルからこの情報を取得する方法がわかりません。誰か説明していただけませんか?
データの探索と視覚化マスカスタマイゼーションRe: カトリック変数のパラメータ推定値の解釈パラメーターの推定値については、[Std Error] 列に注目することを忘れていました。 この値の大きさがパラメーター推定の大きさよりも大きい場合は、パラメーター推定がおそらくゼロに近く、実際にはモデルに大きく寄与していないことを示します。Re: カトリック変数のパラメータ推定値の解釈やあ@matthias_bruchh 、
お役に立てれば幸いです。 経験的モデルを開発する際に実際に何を考慮すべきかを判断するのは、時には困難を伴う場合があります。
データはすべて DOE から取得されるため、自動検証アプローチを使用する場合、これをさまざまなプラットフォームで実行して、主要な要因がどの程度安定しているかを確認できます。 たとえば、標準の最小二乗法、GenReg、Gen Lin Model、PLS などを実行できます。GenReg を選択する場合は、推定方法を選択するときに最初の 5 つのオプションが実際に DOE に有効な唯一のオプションであることに注意してください。 他のオプション (なげなわ、EN など) は実際には教師なし機械学習に適していますが、それはあなたが求めているものではないと思います。 ブースト ツリーまたはブートストラップ フォレスト モデルを実行するときに、列寄与 SS (または部分) のシミュレーションとブートストラップを実行することもできます。 繰り返しになりますが、デシジョン ツリーが null 因子でより頻繁に分割することを決定した場合、null 因子は完全にランダムであるだけでなく、データに対して直交しているため、それより下の因子はモデル内で無意味であることがわかります。
分析頑張ってください！
DS
Re: カトリック変数のパラメータ推定値の解釈DSさん、ありがとう
これを見てみます。 はい、データは DOI から取得されます。 (実際には 3 つの DOI から。 プロジェクトは 3 つの連続したフェーズで構成されました。 私はこれらに対して 3 つの独立した DOI を作成しました。なぜなら、そこには多くの制約があり、(当時は) JMP の「拡張デザイン」機能を使用してそれらを実装することができなかったからです。)Re: カトリック変数のパラメータ推定値の解釈やあ@matthias_bruchh 、
ordinal への変更が機能し、役に立ってよかったです。
理論モデルに関する限り、関数がある場合は、列プロパティの「式」機能を使用して、予測子に基づいて列を「プログラム」できます。 しかし、理論的なモデルはないようですね。
推定値をブートストラップするには、JMP レポートの列推定値を右クリックし、[ブートストラップ] を選択します。 速い場合はおそらく 5000 を入力しますが、遅い場合は 2500 のままにしておきます。 「分数重量」ボックスに必ずチェックを入れてください。 フィットを複数回再実行し、予測子の各係数の値の分布を取得します (出力データ テーブルで「分布」スクリプトを実行するだけです。 次に、分布と統計が表示されるので、要約統計を右クリックして「結合データテーブルにする」を選択します。 ゼロ以外の割合を表示するように概要統計もカスタマイズしてください。
結合されたデータ テーブルには、推定値の平均とゼロ以外の割合が含まれます。 ここでは、平均値 (典型的な値) と、その推定値がゼロ以外になる頻度 (パーセント単位) がわかります。その数値が小さい場合、推定値は多くの場合ゼロになります。 それが大きい場合、ほとんどの場合、ゼロではありません。 これは、モデル内でどの項が必要か、どの項が不要であるかを判断する良い方法です。
「シミュレート」を選択することもできますが、これには、データ テーブル内の別の数式列を、モデルで使用した数式列と交換する必要があります。 これはもう少し複雑です -- を参照してください。自動検証ゴットワルトとラムジーから。 それを説明する PPT とビデオをご覧ください。 これはブートストラップ アプローチとは若干異なり、結果もわずかに異なりますが、基本的には同じことを行います。 私はモデル内の要素を排除するために常にこれらのアプローチを使用しています。
自動検証アプローチの非常に優れた違いの 1 つは、完全にランダムでデータに対して直交する null 要素を生成することです。 それが他の要因よりもシミュレーションで頻繁に現れる場合は、それほど頻繁に現れない要因を確実に排除できます。 ここでは、因子とその組み合わせに階層と遺伝のルールを確実に適用するように注意してください。 実際、理論モデルがなく、混合用語を含める理由がない場合は、それらを完全に省略します。私がよく知っているデータサイエンティストがよく言うように、それは単なる「ブードゥー」です。
ところで、あなたが分析しているデータはDOEから得たものですか、それとも単なる通常の研究室の研究ですか?
幸運を！、
DS
Re: カトリック変数のパラメータ推定値の解釈親愛なるDS様
E^n を名目から序数に変更すると、確かにうまくいきました。 パラメーターの絶対値は以前と同じですが、符号が負に変更され、より直感的になりました。 どうもありがとう！
私は確かに JMP PRO を持っています (ただし、最近入手したばかりです)。
この場合に使用できる経験的な公式はありませんが、それがどのように行われるかを知りたいと思っています。 チュートリアルなどを教えていただければ幸いです。 あなたが言及したブートストラップについても同じことが当てはまります。
よろしく、
マティアス
Re: カトリック変数のパラメータ推定値の解釈やあ@matthias_bruchh 、
まず、JMP Pro をお持ちですか? その場合は、パラメータ推定値に対してブートストラップ計算を実行して、どのパラメータが実際に 0 (または 0 に近い) で、どのパラメータが本当に 0 でないのか、またその典型的な値 (数千のブートストラップの平均) をよりよく理解することを強くお勧めします。 。
そうは言っても、E^na 公称値を作成したため、JMP がパラメータ推定値を報告するとき、可能な値が報告されます。この場合は [-1 -1]、つまり -1 から 1 を意味します。 E^n 予測子がモデルにどのように適合するかをよりよく理解するには、代わりに順序数に変更することをお勧めします。
E^n が正の係数 (または 0) を取得する理由は、予測のために返される関数と関係があります。 あなたの式は基本的に次のとおりです。
y = exp( a + b*x_1 + c*x_2 + d*x_3 + f )
より大きな y 応答を取得するには、指数の引数をできるだけ大きくする必要があります。したがって、x_1 と x_2 の係数が負で、「a」と「f」が正の場合、より大きな値を取得する唯一の方法になります。引数は、x_3 (つまり E^n) の係数を正にすることです。
N25 が予測変数にどのように反応するかを観察すると、N25 の動作は物理的に理にかなっているとおっしゃいました。 物理的 (または化学的) プロセスを検討している場合、まず始めに理論方程式を持っていますか? その場合は、それを予測式として使用する必要があり、ジャンプに経験的な式を生成させないでください。 たとえば、ボールが x メートル落下するのにかかる時間を測定している場合、これを予測する物理公式があります。つまり、y = y_0 + v_0*t + 1/2*g*t^2、重力場の運動の公式。 JMP でこのようなデータを分析するときは、理論モデルに式を固定し、理論からの逸脱がないかどうかを確認します。
しかし、繰り返しになりますが、E^n を序数に変更すると、よりわかりやすくなるかもしれません。 また、実際に JMP に実験式を生成させる必要がある場合は、推定値をブートストラップまたはシミュレーションして、実際に 0 またはゼロに近いものを確認して、モデルに何も欠けていないことを確認する必要があります。
お役に立てれば。
幸運を！、
DS
