Zu Beginn eines neuen Jahres (gab es jemals eine Zeit, in der Sie mehr einen Neuanfang wollten ???) haben Sie möglicherweise begonnen, einige neue Ziele für das Jahr zu formulieren, oder haben bereits begonnen, darauf hinzuarbeiten. Wir sind ein paar Tage im Jahr 2021, also hoffentlich haben Sie die, die Sie gemacht haben, noch nicht aufgegeben!
Wenn Sie Platz für eine weitere Neujahrsauflösung haben (oder wenn Sie eine neue benötigen), kann ich eine vorschlagen, von der ich viele Analysten gehört habe: „Ich würde gerne Modelle verwenden (oder mehr tun, um mehr zu modellieren) meine Arbeit." Dieses Ziel klingt erreichbarer als "Ich werde 10 Pfund verlieren." oder "Ich werde acht Stunden schlafen", richtig?
Analysten sind ein motivierter Haufen, aber sie bleiben oft stecken, weil sie keine Methode haben, der sie folgen können. Die größte Hürde, die ich von Analysten gesehen habe, die Modelle zur Lösung ihrer Probleme verwenden möchten, besteht darin, dass sie mit allen Ergebnissen, die sie nach dem Erstellen eines Modells betrachten müssen, verwirrt und / oder festgefahren sind.
„Welche Modellausgaben sollte ich mir ansehen? Es gibt so viele! Und wie soll ich sie interpretieren? “
Die Wahrheit ist folgende: Es gibt viele Ausgaben, die Sie sich ansehen können, und es kann ziemlich überwältigend sein, wenn Sie nicht wissen, welche die wichtigsten sind und was sie Ihnen sagen.
Schneller Umweg
Da ich weiß, dass dies ein Thema ist (und was ich in dieser Reihe dargelegt habe), das viele Debatten und Diskussionen auslösen kann, möchte ich Ihnen ein wenig über meinen Hintergrund erzählen, damit Sie einen Kontext für meinen Standpunkt haben. Meine Ausbildung ist in biomedizinischer Technik und ich habe mehrere Jahre in der Forschung und Entwicklung von Medizinprodukten gearbeitet, bevor ich zu einer Rolle als angewandter Statistiker für ein Konsumgüterunternehmen (CPG) überging, das Shampoo-Formulierer bei der Gestaltung und Analyse von Experimenten zur besseren Formulierung von Shampoo unterstützt. (Wenn Sie das nächste Mal Ihre Haare waschen, würdigen Sie die statistischen Modelle, mit denen das Schaumvolumen und die Textur perfektioniert wurden!)
Nachdem ich das CPG-Unternehmen verlassen hatte, verbrachte ich einen guten Teil meiner Karriere mit Daten und Analysen im Einzelhandel. Die Wissenschaftler, Ingenieure, Geschäftsanalysten und anderen Mitarbeiter, mit denen ich zusammengearbeitet habe, mussten Daten, Analysen und Software verwenden schnell aber gesund Entscheidungen. Einige hatten eine formelle Ausbildung in Statistik, während die Mehrheit lediglich Statistik und Statistiksoftware am Arbeitsplatz erlernte und nach klaren Leitlinien für bewährte Verfahren mit Schwerpunkt auf dem Prinzipal suchte "weniger ist mehr." Ich habe versucht, diese Anleitung unter Berücksichtigung dieser Praktizierenden zu strukturieren (ich selbst eingeschlossen).
Was du lernen wirst
In dieser fünfteiligen Blogserie werde ich mich auf die Ausgabe von Regressionsmodellen konzentrieren, insbesondere auf die Ausgabe von Standard Least Squares, da dies die am häufigsten verwendete Methode zur Modellierung ist. Standard Least Squares sind ein guter Anfang, insbesondere für diejenigen, die neu in der Modellierung sind.
Lassen Sie sich zunächst von der Tatsache trösten, dass die Statistiker und Entwickler bei JMP Richten Sie die Standardberichte so ein, dass Analysten die wichtigsten Informationen erhalten.
Für diejenigen, die JMP bereits verwenden: Haben Sie jemals die Betonung im Eingabedialogfeld "Modell anpassen" bemerkt und sich gefragt, was es ist? Ich weiß, dass ich eine Weile ziemlich verwirrt war. Im Gegensatz zu den Persönlichkeitsoptionen direkt darüber ändert die Betonung nicht die Art der durchgeführten Analyse. Die verschiedenen Optionen aktivieren einfach standardmäßig verschiedene Modellausgaben, wenn Sie auf Ausführen klicken. JMP verwendet die Datenmenge (Anzahl der Zeilen), die Sie haben, in Kombination mit der Anzahl der Modellbegriffe, die Sie schätzen möchten (Anzahl der Begriffe im Dialogfeld "Modelleffekte"), um die besten Ausgabesätze zu ermitteln, die Ihnen angezeigt werden, indem Sie einen Standardschwerpunkt festlegen (Abbildung 1). JMP führt Analysten immer auf den besten Weg, und der ausgewählte Schwerpunkt ist keine Ausnahme. JMP verwendet den Inhalt Ihrer Daten, um den Standardschwerpunkt festzulegen. (Weitere Informationen dazu finden Sie in der Dokumentation .)
Abbildung 1: Schwerpunkt der kleinsten Quadrate. JMP legt basierend auf Ihren Daten einen Standardschwerpunkt fest, den Sie jedoch ändern können. Der Schwerpunkt bestimmt die Menge der angezeigten Ausgänge. Dies hat keinen Einfluss auf die statistische Analyse.
Die Ausgaben, die angezeigt werden, nachdem Sie auf Ausführen geklickt haben, sollten Sie sich zuerst konzentrieren. Die Ausgaben, die angesichts Ihrer Daten und des Modells, das Sie anpassen möchten, am wichtigsten sind, werden erweitert und angezeigt.
Abgesehen davon gibt es immer noch viele Grafiken und Tabellen, die Sie sich ansehen müssen. Ohne Schulung wissen Sie nicht, welche Ausgaben Sie priorisieren müssen und wie Sie diese Ausgaben interpretieren oder Maßnahmen ergreifen müssen. Leider gibt es immer noch keine Pille, die Sie einnehmen können, um dieses Wissen zu erlangen!
Bis diese Pille existiert, hoffe ich, dass dieser Blog-Beitrag als Kurzanleitung dient.
Modellgesundheits- und Interpretationsmenü
Modellausgaben können in zwei Hauptkategorien von Ausgaben unterteilt werden: Modellgesundheit und Interpretation . Mithilfe von Modellzustandsausgaben können Sie feststellen, ob Ihr Modell fehlerfrei ist oder ob Sie Erste Hilfe leisten müssen. Interpretationsergebnisse sind diejenigen, die Ihnen bei der Entscheidung helfen, welche Faktoren wichtig sind und wie sie die Reaktion (en) beeinflussen.
Ich habe das Menü in Abbildung 2 entwickelt, damit Sie sich auf die wichtigsten Ergebnisse konzentrieren können, basierend darauf, wie tief Sie gehen möchten (oder wie hungrig Sie sozusagen sind). Ich denke, es ist nur angebracht, gesunde Lebensmittel in diesem Menü zu verwenden, weil wir alle unser bestes Verhalten zeigen (oder die besten Absichten haben), wenn wir unsere Neujahrsvorsätze festlegen! In meinen früheren Entwürfen dieses Blogposts wurde eine Fast-Food-Menüleiste verwendet, die… unpassend schien:smiling_face_with_smiling_eyes:. Ich biete Ihnen drei Mahlzeiten an:
Abbildung 2: Konzentrieren Sie sich auf die wichtigsten Ausgaben in Standard Least Squares. Wählen Sie Ihre Mahlzeit nach Ihrem Appetit!
- Der vegetarische Teller hat nur die Kernergebnisse und ist für den Analysten gedacht, der sich schnell bewegen möchte oder dessen Analyse diese Einfachheit ermöglicht.
Der vegetarische Teller
- Die vegetarische Platte + gesundes Fett (Lachs ist einer meiner Favoriten!) enthält die Veggie Plate-Ausgänge Plus Zusätzliche Ergebnisse, die bei der Suche nach Abhilfemaßnahmen für einen schlechten Modellzustand oder für Analysten helfen können, die wirklich gerne auf die Daten zugreifen. Omega-3-Fettsäuren haben so viele heilende Wirkungen!
Gemüseteller + gesundes Fett
- Endlich, das Volle quadratische Mahlzeit Enthält Ausgaben („Vollkornprodukte“), die geeignet sind, wenn Sie Schwierigkeiten haben, ein gutes Modell zu erhalten, oder wenn Sie nur besonders hungrig nach mehr Ausgaben sind, um Ihr Problem besser zu verstehen.
Die volle quadratische Mahlzeit: Gemüseteller + gesundes Fett + Vollkornprodukte
Probieren Sie das Menü
Wenn Sie mitmachen möchten, verwende ich den Tiretread-Datensatz in der Beispieldatenbibliothek von JMP. Wenn Sie nicht über JMP verfügen, können Sie eine kostenlose 30-Tage-Testversion herunterladen oder in einer Remotedesktopumgebung verwenden, wenn Sie am Kurs Statistisches Denken zur industriellen Problemlösung teilnehmen (ebenfalls kostenlos; Link in der PS).
Der Tiretread-Datensatz stammt aus einem geplanten Experiment, bei dem das Ziel darin bestand, vier Produkteigenschaften (Reaktionen) zu optimieren: Abrieb, Modul, Dehnung und Härte unter Verwendung von drei Bestandteilen (Faktoren): Kieselsäure, Silan und Schwefel. Die Analyse des Experiments umfasste das Erstellen und Verwenden von vier (eines für jede Antwort) Standardmodellen der kleinsten Quadrate, die die Faktoren (über Modellbegriffe, die Haupteffekte, Wechselwirkungen und Quadrate * beschreiben) mit jeder der vier Antworten in Beziehung setzen.
* Nicht um ein totes Pferd zu schlagen, aber die Module Statistisches Denken für industrielle Problemlösung zu Korrelation und Regression und Versuchsplanung helfen Ihnen, die Terminologie besser zu verstehen.
Zusammenfassung
Ich hoffe, Sie werden 2021 mutig sein und dieses Ziel verfolgen, Modelle in Ihrer Arbeit zu verwenden und zu lernen, wie man die Ergebnisse interpretiert. Wissen Sie, dass JMP mit den Standardeinstellungen in der Fit Model-Plattform Ihren Rücken hat. JMP berücksichtigt die Datenmenge und die Anzahl der Effekte, die Sie abschätzen möchten, und präsentiert Ihnen die wichtigsten Ergebnisse.
Und ich habe auch deinen Rücken! Ich hoffe, Sie werden den Rest dieser Blog-Reihe weiter lesen, um mit Modellen einen zusätzlichen Vertrauensschub zu erzielen.
In den nächsten drei Beiträgen werde ich beschreiben, wie die Ergebnisse der drei „Mahlzeiten“ zu interpretieren sind und welche Maßnahmen gegebenenfalls zu ergreifen sind. Im letzten Blog-Beitrag dieser Reihe werde ich zeigen, wie Sie Ihre Einstellungen in JMP festlegen können, damit Ihre bevorzugten Ausgaben immer in Ihren Modellergebnissen angezeigt werden.
Zurück in einer Woche!
PS Um näher auf das Thema Modellierung einzugehen, empfehle ich das Statistisches Denken zur industriellen Problemlösung Natürlich bieten wir einen kostenlosen Kurs an, insbesondere das Korrelations- und Regressionsmodul. Es geht tiefer in die statistischen Konzepte ein und beinhaltet auch praktische Übungen (zusammen mit dem freien Zugang zu unserer Software).
