眾所周知，植物、優質脂肪和全穀物的均衡飲食是我們的身體發揮最佳功能所需要的。 如果我們想成為優秀的分析師，我們需要適當地為我們的灰質加油，對吧？ 好吧，我們的建模項目也需要一整套營養。
這是一個五部分系列的第四部分，我提出了一個框架來幫助想要將建模應用於他們的工作的分析師。 這個框架旨在解決我聽到的常見痛點，“我應該查看哪些模型輸出？ 有這麼多！” “他們是什麼意思？ 我可以從輸出中看到的數字做出什麼陳述？”
該框架採用菜單的形式（來自您媽媽會批准的餐廳！），分析師/用餐者在其中根據數據的複雜性和您作為分析師的性格選擇輸出（參見下面的圖 1）。 有些分析很簡單，不需要您考慮許多建模輸出，而另一些則需要您查看更多選項。 同樣，一些分析師需要快速推進他們的項目，或者不喜歡進入統計雜草，而另一些分析師則喜歡先潛水並建立陣營：smiling_face_with_smiling_eyes：從許多不同的角度看待他們的問題。
當您的分析簡單明了時，您可以選擇只點大沙拉或“Veggie Plate”。當模型需要更多關注時，您可以在沙拉中添加一些鮭魚（“健康脂肪”）。 最後，如果您正在對許多預測變量可能相關的歷史數據進行建模，或者如果您想查看其他數據以梳理信號並獲得更深入的了解，您可以在您的膳食中添加糙米的一面。
Figure 1: Key outputs in Standard Least Squares. Choose your meal based on your appetite!Figure 1: Key outputs in Standard Least Squares. Choose your meal based on your appetite!Figure 1: Key outputs in Standard Least Squares. Choose your meal based on your appetite!Figure 1: Key outputs in Standard Least Squares. Choose your meal based on your appetite!圖 1：標準最小二乘法中的關鍵輸出。 根據您的胃口選擇您的餐點！
查看發布 #2和發布#3有關 Veggie Plate 和 Healthy Fat 選項中輸出的詳細信息。 在這篇文章中，我專注於全穀物輸出。 我們將從輸出開始，幫助您確定在處理歷史數據時模型是否健康。 接下來，我們將著眼於可以進一步加深您對流程的理解並與合作者有效溝通調查結果的輸出。
對於每個輸出，我將描述：1）輸出是什麼，2）你應該尋找什麼，3）給定信息，你可以採取的行動。 我的目標是簡化，但當然，這可能會導致過度簡化。 如果你想更深入地了解，我推薦工業問題解決課程的統計思維（有關特定模塊的建議，請參閱博文末尾）。
哦——如果你想跟隨並自己生成這些輸出JMP ，見第一篇博文在本系列中，我將介紹數據集以及在沒有 JMP 的情況下如何訪問它。
我的模型健康嗎？
VIF（方差膨脹因子）
什麼是多重共線性？ 為什麼會出現問題？
多元散點圖示例
懲罰回歸
主成分分析
偏最小二乘法
我如何解釋結果？
參數估計
交互圖
概括
當您分析歷史數據或想要獲得更多觀點以了解您正在研究的過程時，您會使用全穀物輸出......就像當您需要最多燃料時應該添加到您的飲食中一樣全穀物對於那個艱苦的鍛煉或忙碌的一天。
當您分析歷史數據（與設計實驗中的數據相比）時，您的預測變量可能高度相關，這可能導致模型偏差 - 並最終從您的數據中得出錯誤的結論。 VIF 是診斷您可能面臨的問題的好方法。
在解釋和使用模型時，參數估計值可以幫助您描述特定因素單獨影響響應的程度；他們還直接映射到模型方程，供那些想要了解預測分析器背後的人使用。 最後，交互圖可能是一種有用的方式，可以在單個靜態快照中直觀地描繪因素如何相互作用。
下週，在最後一篇文章中，我將介紹如何在 JMP 中設置首選項，以便始終顯示某些模型輸出 - 無論在“擬合模型”對話框中選擇的報告強調是什麼。
如果我沒有最後一次提醒你，我會失職相關和回歸和實驗設計課程的一部分工業問題解決課程的統計思維. 如果這個博客系列讓您對基本的統計概念更加好奇，那麼本課程將滿足您的好奇心。 它專為希望更好地使用數據和統計數據來推進工作的科學家和工程師而設計。
