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、私は統計の経験のない初心者です。
私の問題は、y 値の列が 1 つと、x 値の列が 6 つあることです。 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 パラメーターを使用して、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行うことに成功しましたが、データが線形関連していないことは明らかなので、結果は驚くべきものではありませんでした。 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、「フィットカーブ」は 1 つしか受け入れないため、複数の X 変数でこれを行う方法がわかりません。
誰かが私に正しい方向を教えてくれませんか？
消費者および市場調査Re: 複数の x 変数を使用した「フィットカーブ」モデリング私は新しいユーザーなので、プライベート メッセージにアクセスできないようです...
Re: 複数の x 変数を使用した「フィットカーブ」モデリングこの種の会話はこのディスカッション フォーラムで意図されたコンテンツではないため、プライベート メッセージを送信します。
Re: 複数の x 変数を使用した「フィットカーブ」モデリングご提案いただきありがとうございます。 私はコンサルタントを雇いたいと考えており、すでに何人かに Fiverr について連絡を取っています。 他にどこが良い場所か知っていますか？
Re: 複数の x 変数を使用した「フィットカーブ」モデリング「...統計の経験はありません...」というフレーズを聞いて、私は立ち止まり、それ以上のモデリングのアイデアを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一緒に作業を行ってください。特に、これが他に類を見ない取り組みであり、統計手法の能力を構築する必要がまったくない場合は特にそうです。
2. 統計手法の基本的な知識を深めます。 それは、ピカピカの新車 (統計的手法) を与えられるのに、運転方法がわからないようなものです。 そして、あなたはピカピカの新車で地点 A から地点 B に移動するための指示をコミュニティに求めています。 そこで、私が皆さんに提案したいのは、SAS「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、統計手法と JMP に関する能力を構築できます。 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
Re: 複数の x 変数を使用した「フィットカーブ」モデリングまた、あなたの非常に有益なコメントの後、私の当初の目標は明らかに変わったため、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「フィットカーブ」モデリング素晴らしい情報をありがとうございます。
私は標準最小二乗法を試しましたが、ご想像のとおり、P>|t| に基づいて最も適切な変数を 4 つだけ選択した結果、結果が得られました。それは、Adj が付いた何かでした。 R2乗はわずか0.18。
また、あなたが推測したように、私はあなたが提起したことを知らなかったため、線形モデルで可能なアイデアを試していませんでした。ありがとうございました。
パラメータを変換して最適な値を得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? 先ほども言いましたが、私には統計の経験がありません。そのため、可能な限り任意の方法で 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が必要ですが、どこから始めればよいのかわかりません。
Re: 複数の x 変数を使用した「フィットカーブ」モデリング統計学において「線形」という用語にはさまざまな解釈があります。 モデルの適合プラットフォーム、標準最小二乗法 (これはあなたが試したことがあると思いますが?) の性格において、「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 に関して「直線」の性質を持たない場合、パラメーター内で依然として線形である多項式が適切な適合を提供する可能性があります。 この場合、モデラーが使用する基本的なテクニックが 2 つあります。x の変換 (ここでの Box Cox アプローチは、変換の種類を知らせるのに役立ちます?) または y の変換、または線形多項式 (3 次、4 次など) の高次項の推定です。 。）。 JMP のフィット カーブやその他の非線形モデリング機能に頼る前に、まずこれらのアイデアを試してみましたか? フィット曲線および非線形プラットフォームは、パラメーター推定自体が x 変数に関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...しかし、まだ実行していない場合は、最初に「線形」モデルを使用して考えられるアイデアをすべて検討することをお勧めします。
