안녕하세요,
우리는 그들이 사용하는 모델링 기술을 정당화하기 위해 우리로부터 문서 (wite paper, 과학 출판물, ...)를 필요로하는 제약 회사를 가지고 있습니다. 지금은 AICc에 기반한 선택이 올바른 정당화라고 제안했지만 도움이 될만한 문서가 있는지 궁금합니다.
엠마누엘
뿡 빵뀨
AICc를 사용하는 데는 Burnham과 Anderson의 "모델 선택 및 다중 모델 추론"의 훌륭한 책이 있습니다.이 책에서 그들은 AICc가 포함 할 변수 / 효과에 대한 결정과 사용할 응답 분포에 대한 결정을 안내하는 매우 다양한 가이드 인 방법을 설명합니다.그들은 당신이 주문할 수있는 책을 가지고 있지만, 저자들은 또한 동일한 정보를 전달하는 자유롭게 사용할 수있는 모노 그래프를 가지고 있습니다.
매우 과소 평가 된 한 가지는 고전적인 절차, 특히 p- 값이 모델 선택에 매우 좋지 않은 가이드라는 점입니다. 그 이유는 다양합니다. 하나는 p- 값이 테스트중인 모델이 연구 계획시 사용되도록 의도 된 단일 모델이라는 중요한 가정을한다는 것입니다. 올가미에서 정방향 선택, '큰'p- 값을 가진 항을 제거하여 수동 역방향 선택에 이르기까지 모든 선택 절차는 모델이 처음 변경되는 즉시이 가정을 위반합니다.선택 알고리즘을 사용하여 모델을 단일 변경하면 p- 값의 동작이 더 이상 정의되지 않습니다.
또 다른 주요 문제는 순서가 지정되지 않은 모델을 비교하는 데 p- 값을 사용할 수 없다는 것입니다. 한 모델은 단순화하거나 다른 모델의 특수한 경우입니다 (예 : 한 모델이 다른 모델과 동일하지만 특정 계수가 0으로 설정 됨). ).따라서 두 개의 주 효과와 하나의 상호 작용이있는 모델은 p- 값 기반 방법을 사용하여 세 개의 주 효과가 있고 상호 작용이없는 모델과 비교할 수 없습니다. 한 모델에는 다른 모델이 포함되어 있지 않기 때문입니다.
매우 중요하고 과소 평가 된 결함은 p- 값을 사용하여 다른 분포를 비교할 수 없다는 것입니다. 예를 들어, 데이터가 완전 양수이면 최소 제곱 적합치 외에도 감마 및 로그 정규 분포를 고려해야합니다. 반응의 '양성'은 최소 제곱 적합에서 평균이 작은 활성 인 곡률 항이 수학적으로 있어야하지만 이러한 비정규 분포는 반드시 곡률이 필요하지 않고 0에서 경계를 처리 할 수 있음을 의미합니다. 따라서 반응 분포가 다른 모델을 피팅하여 더 적은 수의 항으로 더 나은 피팅을 얻을 수 있습니다. AICc (및 또는 BIC)를 사용하여 응답의 분포와 중요한 영향에 대한 결정을 안내하는 것은 통계적으로 건전하며 실무자가 최소한의 교육으로 활용하기 쉽습니다.
배포판을 선택하는이 마지막 문제는 중요하며 몇 가지 의견이 필요합니다. 하나는 반응 분포가 * 반드시 * 효과 구조와 병행하여 결정된다는 것입니다. Distribution 플랫폼을 사용하여 먼저 효과를 무시하고 배포판을 결정한 다음 GenReg로 이동하여 Distribution의 권장 사항에 따라 효과 구조를 결정하는 것은 * 주요 * 오류입니다. Clay Barker는 이것에 대한 Discovery 프레젠테이션을 가지고 있습니다. 예를 들어, 두 수준 요인이 있고 수준간에 실제로 평균 차이가 있다고 가정합니다. Distribution 플랫폼은 응답 분포가 가우스 2- 혼합물이라고 알려줍니다. 그러나 요인이 모델에 통합되면 가우시안 (비 혼합) 분포가 올바른 반응 일 가능성이 높습니다.
두 번째 측면은 응답을 변환하여 결정되던 문제를보다 원칙적으로 해결하는 방법으로 분포를 사용하는 것입니다.예전에는 자연 척도에서 모델링을 시도한 다음 로그 변환 척도에서 모델링 한 다음 진단 플롯과 그렇지 않은 것을 기반으로 어떤 종류의 결정을 내 렸습니다. 두 척도에서 모델의 SSE는 서로 다른 단위에 있기 때문에 비교할 수 없었습니다. 이는 RSquares도 비교할 수 없다는 것을 의미합니다. 반면에, 정규 분포 (최소 제곱을 말하는 또 다른 방법)에서 순방향 선택과 AICc를 사용한 다음 logNormal 분포를 사용하여 동일한 작업을 수행하고 AICc.
어쨌든 번햄과 앤더슨은 이러한 개념의 대부분과 AICc를 비교하기위한 경험 규칙에 대한 추론을 명확히했습니다.이 책은 과학 또는 공학 학위를 가진 사람들을 대상으로합니다. 저자는 생태 학자입니다. 따라서 많은 JMP 사용자가 이해할 수 있어야하며 비현실적인 이론적 통계의 추상적 인 책이 아닙니다.
주제를 추가하기 위해 GenReg를 사용하여 DOE를 분석하고 고객과 당국에 대해 Emmanuel이 말한 것처럼이 DOE 분석에 어떤 방법을 사용했는지 정당화해야합니다 (예 : RSM DOE에 Lasso 사용). 왜 그들은 Forward 또는 Elastic net보다 Lasso를 사용했습니다.
분석과 함께이 논문 참조를 제출할 수 있도록 참조 할 수있는 출판물이 있습니까?
뿡 빵뀨 안녕하세요.
