kfsjdfkjskdfjksdkfsldfjks
A medida que comienza un nuevo año (¿hubo alguna vez en que quisiera comenzar de nuevo más?), Es posible que haya comenzado a formular algunas metas nuevas para el año o que ya haya comenzado a trabajar para lograrlas. Estamos a pocos días del 2021, ¡así que espero que aún no hayas abandonado los que hiciste!
Si tiene espacio para otra resolución de año nuevo (o si necesita una nueva), ¿puedo sugerir una que he escuchado a muchos de los JMP articularme: “Me gustaría usar modelos (o más hacer más modelos ) en mi trabajo." Este objetivo parece más alcanzable que "Perderé 10 libras". o "dormiré ocho horas", ¿verdad?
Nuestros usuarios de JMP son un grupo motivado, pero a menudo se atascan porque no tienen un método a seguir. La barrera más grande que he visto en las personas que quieren usar modelos para resolver sus problemas es que se confunden y / o se atascan con todos los resultados que necesitan ver una vez que han construido un modelo.
“¿Qué resultados del modelo debería estar mirando? ¡Hay tantos! ¿Y cómo debo interpretarlos? "
La verdad es que hay muchos resultados que puedes ver y puede ser bastante abrumador si no sabes cuáles son los más importantes y qué te están diciendo.
Sabiendo que este es un tema (y lo que expuse en esta serie) probablemente provocará mucho debate y discusión, permítanme contarles un poco sobre mis antecedentes para que tengan algo de contexto para mi punto de vista. Mi educación es en ingeniería biomédica y trabajé en I + D de dispositivos médicos durante varios años antes de pasar a un rol como estadístico aplicado para una empresa de bienes de consumo empaquetados (CPG) que apoya a los formuladores de champús en el diseño y análisis de experimentos para formular mejor el champú. (¡La próxima vez que te laves el cabello, rinde homenaje a los modelos estadísticos que se utilizaron para perfeccionar el volumen y la textura de la espuma!) Después de dejar la empresa CPG, pasé una buena parte de mi carrera utilizando datos y análisis en el comercio minorista. Los científicos, ingenieros, analistas de negocios y otros colaboradores con los que he trabajado tuvieron que usar datos, análisis y software para tomar decisiones rápidas pero acertadas. Algunos recibieron capacitación en estadística, mientras que la mayoría simplemente aprendió estadística y software estadístico en el trabajo y busca una guía clara sobre las mejores prácticas con énfasis en el principio "menos es más". Traté de estructurar esta guía con estos practicantes en mente (incluido yo mismo).
En esta serie de blogs de cinco partes, me centraré en los resultados del modelo de regresión, específicamente, en el resultado de mínimos cuadrados estándar porque es el método más utilizado para el modelado. Los mínimos cuadrados estándar son un gran comienzo, especialmente para aquellos que son nuevos en el modelado.
Primero, siéntase reconfortado por el hecho de que los estadísticos y desarrolladores de JMP configuraron los informes predeterminados de una manera que presenta la información más importante a los usuarios.
¿Alguna vez ha notado el diálogo de entrada Énfasis en el modelo de ajuste y se preguntó qué es? Sé que estuve bastante confundido al respecto por un tiempo. En contraste con las opciones de Personalidad justo encima, Énfasis no cambia el tipo de análisis que se realiza. Las diferentes opciones simplemente activan diferentes salidas de modelos de forma predeterminada cuando hace clic en Ejecutar. JMP usa la cantidad de datos (número de filas) que tiene en combinación con el número de términos del modelo que desea estimar (número de términos en el cuadro de diálogo Efectos del modelo) para determinar el mejor conjunto de resultados para mostrarle estableciendo un énfasis predeterminado (Figura 1). JMP siempre está guiando a las personas hacia el mejor camino y el énfasis seleccionado no es una excepción. JMP utiliza el contenido de sus datos para establecer el énfasis predeterminado. (Para obtener más detalles sobre cómo hace esto, puede leer la Documentación).
Figura 1: Énfasis en mínimos cuadrados estándar. JMP establece un énfasis predeterminado en función de sus datos, pero puede cambiarlo. El énfasis determina el conjunto de salidas que se muestran; no afecta el análisis estadístico.
Las salidas que se muestran después de hacer clic en Ejecutar son en las que debe concentrarse primero. Los resultados que son los más importantes dados sus datos y el modelo que está tratando de ajustar se expanden y muestran.
Dicho esto, todavía hay muchos gráficos y tablas para mirar y, sin un poco de capacitación, no sabrá qué resultados priorizar y cómo interpretar o tomar medidas sobre esos resultados. Lamentablemente, todavía no hay ninguna píldora que pueda tomar para obtener este conocimiento.
Hasta que exista esa píldora, espero que esta publicación de blog sirva como una guía rápida.
Los resultados del modelo se pueden dividir en dos categorías principales de resultados: estado del modelo e interpretación. Los resultados de salud del modelo lo ayudan a determinar si su modelo es saludable o si necesita realizar algunos "primeros auxilios". Los resultados de la interpretación son los que le ayudan a decidir qué factores son importantes y cómo influyen en las respuestas.
Puede utilizar el menú de la Figura 2 para centrarse en los resultados clave según la profundidad a la que desee llegar (o el hambre que tenga, por así decirlo). Creo que solo es apropiado usar alimentos saludables en este menú porque todos nos comportamos de la mejor manera (o tenemos las mejores intenciones) al establecer nuestras resoluciones de año nuevo. Mis borradores anteriores de este blog usaban un tablero de menú de McDonald's que parecía ... incongruente. Te ofrezco tres comidas:
· El Veggie Plate tiene solo las salidas principales y es para el usuario que busca moverse rápidamente o cuyo análisis permite esa simplicidad.
· Veggie + Salmon (Grasa saludable) incluye las salidas de Veggie Plate más salidas adicionales que pueden ayudar a encontrar remedios para la mala salud del modelo o para los usuarios a quienes realmente les gusta ingresar a los datos. ¡Los omega-3 tienen tantos beneficios curativos!
· Por último, la comida cuadrada completa incluye resultados ("cereales integrales") que son apropiados cuando está luchando por obtener un buen modelo o cuando simplemente se siente más hambriento de más resultados para ayudarlo a comprender su problema.
Figura 2: Resultados clave en mínimos cuadrados estándar. ¡Elija su menú según su apetito!
Resumen
Espero que sea valiente en 2021 y persiga este objetivo de utilizar modelos en su trabajo y aprender a interpretar los resultados. Solo sé, JMP te respalda con la configuración predeterminada en la plataforma Fit Model. JMP considera la cantidad de datos que tiene y la cantidad de efectos que está tratando de estimar y le presenta los resultados más importantes.
¡Yo también tengo tu espalda! Espero que continúe leyendo el resto de esta serie de blogs para obtener un impulso adicional de confianza al usar modelos.
En los próximos tres blogs, describiré cómo interpretar los resultados que se encuentran en cada una de las tres “comidas” y qué acciones tomar en respuesta a ellos cuando corresponda. En la última publicación de blog de esta serie, mostraré cómo puede configurar sus Preferencias en JMP para que sus salidas favoritas siempre aparezcan en las salidas de su modelo.
¡De vuelta en una semana!
PD Para profundizar en el tema del modelado, recomiendo encarecidamente el curso de Pensamiento estadístico para la resolución de problemas industriales que ofrecemos y que es gratuito [enlace], específicamente el módulo de correlación y regresión. Es g
