複数のx変数を使用した「フィットカーブ」モデリングこんにちは、私は統計の経験がない初心者です。
私の問題は、y値の単一の列とx値の6列があることです。 Yは、6つのx値の組み合わせによって引き起こされると想定されます。
xパラメータを使用して、yをモデル化する多項式を考え出そうとしています。 JMP（およびPython）で最小二乗回帰を使用してこれを正常に実行しましたが、データが確実に線形に関連していないため、結果は驚くべきものではありません。 私の理解では、非線形フィットにはフィットカーブが適しています。 ただし、「Fit Curve」は1つしか受け入れないため、複数のX変数を使用してこれを行う方法がわかりません。
誰かが私を正しい方向に向けることができますか？
アナリティクスRe：複数のx変数を使用した「FitCurve」モデリング「線形」という用語は、統計において多くの解釈を持つことができます。 Fit Modelプラットフォーム、標準最小二乗（これはあなたが試したと思いますか？）の性格では、「線形」であるのはパラメーター推定値です...必ずしも応答ではありません。 応答が1つ以上のxに対する「直線」の性質ではない場合、パラメーター内で線形である多項式が適切に適合している可能性があります。 この場合、モデラーが使用する2つの基本的な手法があります... x（ここでのBox Coxアプローチは変換のタイプを通知するのに役立つ可能性がありますか？）またはyの変換、または線形多項式（3次、4次など）の高次項の推定。）。 JMPのフィットカーブまたはその他の非線形モデリング機能に頼る前に、最初にこれらのアイデアを試しましたか？ Fit CurveおよびNonLinearプラットフォームは、パラメーター推定値自体がx変数に対して非線形であるモデルを使用します。 確かに便利なプラットフォームです...しかし、まだ行っていない場合は、最初に「線形」モデルで考えられるすべてのアイデアを使い果たしたいと思うかもしれません。
Re：複数のx変数を使用した「FitCurve」モデリング素晴らしい情報をありがとう。
あなたが想定したように、私は標準最小二乗法を試しましたが、P> | t |に基づいて4つの最も適切な変数のみを選択した後、私が得たものです。形容詞のあるものでした。 わずか0.18のRSquare。
また、あなたが想定したように、私はあなたが提起したものを知らなかったので、線形モデルで可能なアイデアを試していませんでした。どうもありがとうございました。
パラメータを変換して最適なものにする方法を理解するための正しい方向を教えていただけますか？ 私が言ったように、私は統計の経験がないので、私が欲しいのは、可能な方法で私のy値を最適にモデル化するためのパラメーターの任意の組み合わせであり、どこから始めればよいかわかりません。
Re：複数のx変数を使用した「FitCurve」モデリングまた、非常に有益なコメントをいただいた後、私の当初の目標は間違いなく変わったので、ここで新しい投稿を開始する方が適切だと思われる場合はお知らせください。
Re：複数のx変数を使用した「FitCurve」モデリング「...統計の経験がありません...」というフレーズは、私を一時停止させ、モデリングのアイデアをこれ以上推奨するのではなく、次の2つの方法のいずれかを推奨します。
1.コンサルタントを雇ってあなたと一緒に仕事をします...特にこれが一種の努力であり、統計的手法で能力を構築することを本当に望んでいない、または必要としない場合。
2.統計的手法の基本的な知識を身に付けます。 それはあなたに光沢のある新しい車（統計的方法）を与えるようなものですが、あなたは運転する方法を知りません。 そして、あなたはコミュニティにあなたの光沢のある新しい車でポイントAからポイントBに行くための指示を与えるように頼んでいます。 ですから、私があなたに抱いている考えの1つは、SASの「産業問題解決のための統計的思考」オンラインコースを修了することです。 それは無料です。 コースモジュールを完了すると、統計的手法とJMPに対する能力を構築します。 コースのホームページへのリンクは次のとおりです。産業問題解決のための統計的思考
