新しい年が始まると（あなたがもっと新たなスタートを望んでいた時期はありましたか？）、あなたはその年のいくつかの新しい目標を策定し始めたか、すでにそれらに向けて取り組み始めたかもしれません。 私たちは2021年に入って数日ですので、あなたが作ったものをまだ放棄していないことを願っています！
別の新年の決議の余地がある場合（または新しい決議が必要な場合）、多くのアナリストが私に明確に述べているのを聞いたことがあると思いますか？私の仕事。"この目標は、「10ポンドを失う」よりも達成可能に聞こえます。または「私は8時間の睡眠を取ります」でしょ？
アナリストはやる気のある集団ですが、フォローする方法がないために行き詰まることがよくあります。 モデルを使用して問題を解決したいアナリストから私が見た最大の障壁は、モデルを作成した後で確認する必要のあるすべての出力に混乱したり、行き詰まったりすることです。
「どのモデルの出力を見る必要がありますか？ たくさんあります！ そして、私はそれらをどのように解釈すべきですか？」
真実はこれです：あなたが見ることができる多くのアウトプットがあります、そして、どれが最も重要で、彼らがあなたに何を言っているかを知らなければ、それはかなり圧倒されるかもしれません。
クイック迂回
これが多くの議論や議論を引き起こす可能性のあるトピック（およびこのシリーズで私が発表したもの）であることを知っているので、私の視点のコンテキストを理解できるように、私の背景について少しお話ししましょう。 私の教育は生物医学工学であり、医療機器の研究開発に数年間携わった後、シャンプーをより適切に処方するための実験の設計と分析においてシャンプー処方者をサポートする消費財企業（CPG）の応用統計学者としての役割に移行しました。 （次に髪を洗うときは、泡のボリュームと質感を完璧にするために使用された統計モデルに敬意を表してください！）
CPGの会社を辞めた後、私はキャリアのかなりの部分を小売業でデータと分析を使用して過ごしました。 私が一緒に仕事をした科学者、エンジニア、ビジネスアナリスト、その他の協力者はすべて、データ、分析、ソフトウェアを使用して作成する必要がありました。速いが健全決定。 統計に関する正式なトレーニングを受けた人もいれば、仕事で統計と統計ソフトウェアを学んだだけで、プリンシパルに重点を置いたベストプラクティスに関する明確なガイダンスを探している人もいます。 "少ないほうがいいですね。"私はこれらの実践者を念頭に置いてこのガイダンスを構成しようとしました（私自身も含みます）。
あなたが学ぶこと
この5部構成のブログシリーズでは、回帰モデルの出力、具体的には、モデリングに使用される最も一般的に使用される方法である標準最小二乗出力に焦点を当てます。 標準最小二乗法は、特にモデリングに不慣れな人にとっては素晴らしい始まりです。
まず、統計家と開発者がJMPアナリストに最も重要な情報を提示する方法でデフォルトのレポートを設定します。
すでにJMPを使用している場合：[モデルのフィット]入力ダイアログの強調に気づき、それが何であるか疑問に思ったことはありますか？ 私はしばらくの間それについてかなり混乱していたことを知っています。 そのすぐ上のパーソナリティオプションとは対照的に、強調は実行される分析のタイプを変更しません。 [実行]をクリックすると、さまざまなオプションがデフォルトとしてさまざまなモデル出力をオンにするだけです。 JMPは、推定するモデル用語の数（[モデル効果]ダイアログの用語の数）と組み合わせたデータ量（行数）を使用して、デフォルトの強調を設定することにより、表示する最適な出力セットを決定します。 （図1）。 JMPは常にアナリストを最善の道に導き、選択された強調も例外ではありません。 JMPは、データの内容を使用してデフォルトの強調を設定します。 （これを行う方法の詳細については、ドキュメンテーション。）
Figure 1: Standard Least Squares Emphasis. JMP sets a default Emphasis based on your data, but you can change it. Emphasis determines the set of outputs that are shown; it does not affect the statistical analysis.Figure 1: Standard Least Squares Emphasis. JMP sets a default Emphasis based on your data, but you can change it. Emphasis determines the set of outputs that are shown; it does not affect the statistical analysis.Figure 1: Standard Least Squares Emphasis. JMP sets a default Emphasis based on your data, but you can change it. Emphasis determines the set of outputs that are shown; it does not affect the statistical analysis.Figure 1: Standard Least Squares Emphasis. JMP sets a default Emphasis based on your data, but you can change it. Emphasis determines the set of outputs that are shown; it does not affect the statistical analysis.図1：標準的な最小二乗法の強調。 JMPは、データに基づいてデフォルトの強調を設定しますが、変更することができます。 強調は、表示される出力のセットを決定します。統計分析には影響しません。
[実行]をクリックした後に表示される出力は、最初に注目する必要がある出力です。 データと適合させようとしているモデルを考慮して最も重要な出力が展開され、表示されます。
そうは言っても、見るべきグラフや表はまだたくさんあり、トレーニングがなければ、優先する出力と、それらの出力を解釈または実行する方法がわかりません。 悲しいことに、あなたがあなたにこの知識を与えるためにあなたが取ることができる錠剤はまだありません！
その錠剤が存在するまで、このブログ投稿がクイックガイドとして役立つことを願っています。
モデルの健全性と解釈メニュー
モデル出力は、出力の2つの主要なカテゴリに分類できます。モデルの健康と解釈。 モデルの正常性の出力は、モデルが正常であるかどうか、または「応急処置」を実行する必要があるかどうかを判断するのに役立ちます。解釈出力は、どの要素が重要であり、それらが応答にどのように影響するかを判断するのに役立つ出力です。
図2のメニューを作成して、行きたい深さ（または、いわば空腹度）に基づいて主要な出力に集中できるようにしました。 新年の抱負を設定するとき、私たちは皆、最善の行動をとっている（または最善の意図を持っている）ので、このメニューで健康的な食品を使用するのが適切だと思います！ このブログ投稿の以前のドラフトでは、ファーストフードのメニューボードを使用していましたが、これは…不調和に見えました：smiling_face_with_smiling_eyes： 。 私はあなたに3つの食事を提供します：
Figure 2: Focus in on the key outputs in Standard Least Squares. Choose your meal based on your appetite!Figure 2: Focus in on the key outputs in Standard Least Squares. Choose your meal based on your appetite!Figure 2: Focus in on the key outputs in Standard Least Squares. Choose your meal based on your appetite!Figure 2: Focus in on the key outputs in Standard Least Squares. Choose your meal based on your appetite!図2：標準最小二乗法の主要な出力に焦点を当てます。 食欲に合わせてお食事をお選びください！
- ベジプレートコア出力のみがあり、迅速に移動しようとしているアナリスト、または分析によってその単純さが可能になるアナリスト向けです。
The Veggie PlateThe Veggie PlateThe Veggie PlateThe Veggie Plateベジプレート
- ベジプレート+健康的な脂肪（サーモンは私のお気に入りの1つです！）ベジプレートの出力が含まれていますプラスモデルの状態が悪い場合や、データを取得するのが本当に好きなアナリストのための救済策を見つけるのに役立つ追加の出力。 オメガ3には非常に多くの治癒効果があります！
Veggie Plate + Healthy FatVeggie Plate + Healthy FatVeggie Plate + Healthy FatVeggie Plate + Healthy Fatベジプレート+健康的な脂肪
- 最後に、フルスクエアミール良いモデルを手に入れるのに苦労しているとき、または問題を理解するのに役立つより多くの出力に非常に飢えていると感じているときに適切な出力（「全粒穀物」）が含まれています。
The Full Square Meal: Veggie Plate + Healthy Fat + Whole GrainsThe Full Square Meal: Veggie Plate + Healthy Fat + Whole GrainsThe Full Square Meal: Veggie Plate + Healthy Fat + Whole GrainsThe Full Square Meal: Veggie Plate + Healthy Fat + Whole Grainsフルスクエアミール：ベジプレート+健康的な脂肪+全粒穀物
メニューの味をテストする
フォローしたい場合は、JMPのサンプルデータライブラリにあるTiretreadデータセットを使用します。 JMPをお持ちでない場合は、30日間の無料トライアルをダウンロードするか、リモートデスクトップ環境で使用して、産業問題解決のための統計的思考コースを受講できます（これも無料です。PSのリンク）。
Tiretreadデータセットは、シリカ、シラン、硫黄の3つの成分（要素）を使用して、摩耗、弾性率、伸び、硬度の4つの製品特性（応答）を最適化することを目的とした計画実験から得られたものです。 実験の分析では、4つの応答のそれぞれに因子を（主効果、交互作用、二次方程式*を表すモデル用語を介して）関連付ける4つの（応答ごとに1つ）標準最小二乗モデルを作成して使用しました。
*死んだ馬に勝るものはありませんが、相関と回帰および実験計画法に関する産業問題解決モジュールの統計的思考は、用語をよりよく理解するのに役立ちます。
概要
2021年に大胆になり、仕事でモデルを使用し、出力の解釈方法を学ぶというこの目標を追求することを願っています。 JMPには、FitModelプラットフォームのデフォルト設定が備わっていることを理解してください。 JMPは、データの量と推定しようとしている効果の数を考慮し、最も重要な出力を提示します。
そして、私もあなたの背中を持っています！ このブログシリーズの残りの部分を読み続けて、モデルを使用して自信をさらに高めることを願っています。
次の3つの投稿では、3つの「食事」のそれぞれに含まれる出力を解釈する方法と、適切な場合にそれらに対応して実行するアクションについて説明します。 このシリーズの最後のブログ投稿では、お気に入りの出力が常にモデルの結果に表示されるように、JMPでプリファレンスを設定する方法を紹介します。
一週間で戻ってきます！
PS モデリングのトピックをさらに深く掘り下げるために、私は強くお勧めします産業問題解決のための統計的思考無料で提供するコース、特に相関および回帰モジュール。 統計の概念をさらに深く掘り下げ、実践的な演習も含まれています（ソフトウェアへの無料アクセスも含まれています）。
食べ物/食事の比喩が大好きです。 メインコースの前に「材料」を見てみませんか？ メインコースの結果の品質に影響を与える可能性のある外れ値、疑わしいデータ、またはデータ内の特徴を見つけるための優れた方法をモデル化する前に、単変量から多変量の応答および予測子と応答のグラフをプロットすることがわかりました。 これは、メインコースの材料が本当に新鮮ですぐに消費できることを保証するための優れた方法です。
良い。 ブログシリーズの素晴らしいアイデア、 @wendytseng 。 これは、データの使用方法に苦労している科学者やエンジニアのお客様にとって非常に価値のあるものです。 Fit Modelと標準の最小二乗法を理解できれば、長い道のりを進むことができます。 そして、私はあなたのアナロジーの使用が本当に好きです。
