Y変数を並べ替えて、過剰適合モデルを検証/テストしますか？同僚は、分析でy値をランダムに再配置し、モデルを再適合させて適合性が低いことを確認する別のソフトウェアパッケージのテストについて説明しました。 このテクニックに精通している人、またはJMPで自動化しようとした人はいますか？
これらの2つの近似を比較すると、多くのy '列が作成およびテストされているように見えますが、この手法が示されます。
dt = New Table( "Untitled 2",
Add Rows( 10 ),
New Column( "x",
Numeric,
"Continuous",
Format( "Best", 12 ),
Set Selected,
Set Values( [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] )
),
New Column( "y",
Numeric,
"Continuous",
Format( "Best", 12 ),
Formula( :x * 2 + Random Normal( 0, 0.1 ) )
),
New Column( "y'",
Numeric,
"Continuous",
Format( "Best", 12 ),
Formula( Col Stored Value( :y, Col Shuffle() ) )
)
);
dt << Fit Model(
Y( :y, :y' ),
Effects( :x ),
Personality( "Standard Least Squares" ),
Emphasis( "Effect Leverage" ),
Run(
:y << {Lack of Fit( 0 ), Plot Actual by Predicted( 0 ),
Plot Residual by Predicted( 0 ), Plot Effect Leverage( 0 )},
:y' << {Lack of Fit( 0 ), Plot Actual by Predicted( 0 ),
Plot Residual by Predicted( 0 ), Plot Effect Leverage( 0 )}
)
);Re：Y変数を並べ替えて、過剰適合モデルを検証/テストしますか？マーク、
あなたの投稿を理解していれば、ブートストラップは（うまくいけば）同じ結論に到達するための代替アプローチになると思います。 正直なところ、私は基本的なモデル以上の幸運なブートストラップパラメータの見積もりを持っていませんが、おそらく私は何か間違ったことをしています:-)。 たとえば、2次モデルのパラメーター推定値をブートストラップしようとすると、可能な係数ごとに複数の列が生成されます。
シミュレーション手法を使ってこれを自動化する方法を見つけたと思います。 プラットフォームによって生成されたシミュレーション関数を使用する代わりに、元のyを再配置されたy '列と交換するだけです。 ただし、この手法をパーティションメソッドに適用するのに問題があります。各シミュレーションに同じツリーが使用されていると思います。
添付されているのは、これがいくつかの異なるメソッドでどのように見えるかを示すスクリプトですが、基本的な考え方は次のとおりです。
Random Reset(1);
dt = New Table( "Untitled 2",
Add Rows( 4 ),
New Column( "x",
Numeric,
"Continuous",
Format( "Best", 12 ),
Set Selected,
Set Values( [1, 2, 3, 4] )
),
New Column( "y",
Numeric,
"Continuous",
Format( "Best", 12 ),
Formula( :x * 2 + Random Normal( 0, 0.1 ) )
),
New Column( "y'",
Numeric,
"Continuous",
Format( "Best", 12 ),
Formula( Col Stored Value( :y, Col Shuffle() ) )
)
);
// ------ Linear Model ------
linmdl = dt << Fit Model(
Y( :y ),
Effects( :x ),
Personality( "Standard Least Squares" ),
Emphasis( "Effect Leverage" ),
Run(
:y << {Lack of Fit( 0 ), Plot Actual by Predicted( 0 ),
Plot Residual by Predicted( 0 ), Plot Effect Leverage( 0 )},
:y' << {Lack of Fit( 0 ), Plot Actual by Predicted( 0 ),
Plot Residual by Predicted( 0 ), Plot Effect Leverage( 0 )}
)
);
linrpt = linmdl << Report;
lindt = linrpt["Summary of Fit"][1][2] << Simulate(
100,
Out( :y ),
In( :y' )
);
lindt[2] << Distribution( Continuous Distribution( Column( :RSquare ) ) );
Re：Y変数を並べ替えて、過剰適合モデルを検証/テストしますか？これリサンプリング法通常、独立変数のレベルを変更した場合の効果の有意性を判断するために使用されます。この方法は、多くの場合、 NS推論のために、データとモデルについて仮定を行う検定またはANOVA。リサンプリングアプローチは、特定のモデルを想定する代わりに、経験分布を生成します。サンプル統計を経験分布と比較して、 NS -価値。
JMPプロはできますブートストラップその重要性を判断するための、パラメーター推定値などの結果。
2番目の従属変数（ランダム正規偏差）は必要ありません。
