일반화 회귀와 표준 최소제곱방금 수행한 DOE의 6개 요인과 1개의 응답으로 구성된 32행 데이터 세트가 있습니다. 응답 데이터는 정규 분포를 따르지 않으며 0과 1 사이의 값만 포함해야 합니다. JMP Pro의 일반화된 회귀 플랫폼을 사용하면 응답이 0과 1 사이인 베타 분포를 포함하여 다양한 분포를 지정할 수 있음을 보았습니다. 그러나 응답 데이터를 정규 분포로 변환하는 데 사용할 수 있는 함수도 찾았으며 변환되지 않은 응답에 대해 0과 1 사이의 값만 허용합니다.
내 질문은: 지정된 베타 분포로 일반화된 회귀를 사용하는 것과 내 데이터 세트에 변환을 적용한 다음 변환된 데이터에 표준 최소 제곱(및 단계적)을 사용하는 것의 차이점은 무엇입니까?
해석학암사슴다른Re: 일반화 회귀 대 표준 최소 제곱다른 접근 방식을 시도해 볼 수도 있습니다. 응답에 로짓 변환을 사용합니다. 평소와 같이 Fit Model 대화 상자를 완료합니다. 그런 다음 Y 열을 선택하고 변환 옆에 있는 빨간색 삼각형을 클릭한 다음 Logit을 선택합니다.
참고: 이 예를 시도하지 마십시오. 응답 가중치의 적절한 범위가 0-1이 아닙니다.
Re: 일반화 회귀 대 표준 최소 제곱@HadleyMyers 핵심은 단순히 원시 응답 데이터가 정규 분포를 따르지 않기 때문에 OLS 모델링 가정이 충족되지 않을 것이라는 선험적 모델링을 가정하지 않는 것입니다. 최소한 OLS 모델을 시도하십시오 ... 잔차가 정규 분포가 아닌 경우 몇 가지 대체 모델링 접근 방식 ... 변환 변수, 대체 모델링 기술 등을 고려할 시간입니다.
사람들, 특히 통계 방법을 처음 사용하는 사람들은 종종 '데이터는 정규 분포를 따라야 합니다(빈 통계 방법 채우기)'에 매달립니다. 몇 년 동안 사람들이 "내 데이터가 정규 분포를 따르지 않기 때문에 관리도를 사용할 수 없습니다."라고 말한 적이 몇 번인지 말할 수 없습니다.
Re: 일반화 회귀 대 표준 최소 제곱안녕,
하드 스톱(예: 0 또는 100%)이 있어 데이터가 정상적으로 배포되지 않는 경우가 궁금합니다.잔차는 경계에 의해 왜곡되기 때문에 정규 분포를 따르지 않습니다.귀하의 답변은 이러한 경우에도 여전히 적용됩니까?
Re: 일반화 회귀 대 표준 최소 제곱응답 데이터가 정규 분포를 따르지 않는 것이 왜 중요한가요? 응답 데이터가 정상적으로 배포되는 경우 문제가 있는 것 같습니다. 일반적으로 DOE에서 우리는 잡음 위의 응답 신호를 이끌어내기 위해 k 요소의 넓은 공간을 조사하고 있음을 기억하십시오. 모델링의 마법(OLS 또는 기타)이 작동하려면 응답 데이터가 정규 분포되어야 한다는 통계의 큰 오해 중 하나입니다. OLS의 경우 예측된 y에 대한 오류 wrt가 정규 분포로 가정됩니다. 이는 원시 응답 데이터 자체와 매우 다릅니다. 이제 이 모든 것을 말했으므로 모델링에 대한 모든 아이디어를 시도하고 실제 문제의 맥락에서 어떤 모델이 가장 '유용한'지 결정하십시오. 그게 당신이 내가 의심하는 것입니다 ...
