統計ブログの投稿や栄養や自助ガイドを読んでいますか？ このブログのタイトルに少し戸惑っている場合は、このブログシリーズを初めて使用する可能性があります。 この投稿は、5部構成のシリーズのパート3であり、科学者やエンジニアから長年にわたって多くの質問を受けてきました。どのモデルの出力を確認する必要がありますか？ それらはどういう意味ですか？ 私はそれらをどうしますか？
簡素化して明確なガイダンスを提供することを目的として（加工食品を食べて空腹になったり罪悪感を感じさせたりしないように）、図1に示すフレームワークを考案しました。 この「メニュー」は、状況（データと性質）に基づいて主要な出力に焦点を合わせるために使用できるものです。
図1：標準最小二乗法の主要な出力。 食欲に合わせてお食事をお選びください！
この投稿では、あなたが見ることができる出力に焦点を当てます加えてにベジプレート出力モデルの健康問題に応急処置が必要な場合、またはデータオタクであり、それをオタクにしたい場合（あなたは良い仲間なので、頭を高くしてください！）。 まず、「モデルは正常ですか？」という質問に答えるために使用できる出力を確認しましょう。次に、結果を解釈してプロセスの理解を深め、同僚に伝えるのに役立つ出力を調べてみましょう。 それぞれの出力について、1）出力とは何か、2）何を探すべきか、3）情報を使って何ができるかについて、明確かつ簡潔にしようと思います。
スクリーンショットで使用しているサンプルデータセットをフォロー（「味覚テスト」）したい場合は、最初のブログ投稿。
私のモデルは健康ですか？
運動不足
*運動不足
Box-Cox変換
より良い予測を行うためのデータの変換
結果をどのように解釈しますか？
変数の重要性
変数の重要性を評価する
効果テスト
概要
この投稿では、健康問題を評価し、必要に応じて修正するのに役立つ2つの出力、つまり、適合性の欠如とBox-Cox変換について説明しました。 また、プロセスをさらに理解し、最終的にプロセスを改善して利害関係者にアクションを伝達する方法を決定するのに役立つ2つの出力、変数の重要性と効果のテストについても説明しました。
相関する予測子が多数ある可能性のある履歴データセットを使用している場合は、来週このシリーズのパート4に進むことをお勧めします。ここでは、VIFと、それらがモデルの健全性の評価にどのように役立つかについて説明します。 また、相互作用プロットについても説明します。これは、要因が相互にどのように影響しているかを視覚化するのに役立つ方法です。
以前の投稿で述べたように、基礎知識に代わるものはありません。産業問題解決コースの統計的思考あなたに与えることができます。 特に、相関と回帰のモジュールを完了することを検討してください。 LinkedInに投稿できるバッジを完了時に獲得し、履歴書と年次レビューに追加します。 2021年を個人的および専門的な成長の年にしてください！
