다중 x 변수를 사용한 "Fit Curve" 모델링안녕하세요 통계 경험이 전혀 없는 초보입니다.
내 문제는 y 값의 단일 열과 x 값의 6 열이 있다는 것입니다. Y는 6 x 값의 조합으로 인해 발생한다고 가정합니다.
y를 모델링하는 x 매개변수를 사용하여 다항식을 만들려고 합니다. JMP(및 python)에서 최소 제곱 회귀를 사용하여 성공적으로 수행했지만 내 데이터가 선형적으로 관련되어 있지 않기 때문에 결과가 놀랍지 않습니다. 내 이해에 따르면 비선형 맞춤의 경우 맞춤 곡선이 적합합니다. 그러나 "Fit Curve"는 하나만 허용하기 때문에 여러 X 변수로 이 작업을 수행하는 방법을 잘 모르겠습니다.
누군가가 올바른 방향으로 나를 가리킬 수 있습니까?
해석학Re: 다중 x 변수를 사용한 "Fit Curve" 모델링'선형'이라는 용어는 통계에서 많은 해석을 할 수 있습니다. Fit Model 플랫폼에서 Standard Least Squares(이것은 내가 시도했다고 가정하고 있습니까?) 성격에서 '선형'인 매개변수 추정값입니다. 반드시 응답은 아닙니다. 응답이 하나 이상의 x에 대해 '직선' 특성이 아닌 경우 매개변수에서 여전히 선형인 다항식 표현식이 적절한 적합을 제공할 수 있습니다. 이 경우 모델러가 사용하는 두 가지 기본 기술이 있습니다. x(여기에서 Box Cox 접근 방식은 변환 유형을 알리는 데 도움이 될 수 있음) 또는 y의 변환 또는 선형 다항식 표현(3차, 4차 등)에서 고차 항을 추정합니다. .). JMP의 곡선 맞춤 또는 기타 비선형 모델링 기능을 사용하기 전에 이러한 아이디어를 먼저 시도해 보셨습니까? 곡선 적합 및 비선형 플랫폼은 매개변수 추정값 자체가 x 변수에 대해 비선형인 모델을 사용합니다. 유용한 플랫폼은 확실하지만 아직 하지 않은 경우 '선형' 모델을 사용하여 가능한 모든 아이디어를 먼저 소진할 수 있습니다.
Re: 다중 x 변수를 사용한 "Fit Curve" 모델링좋은 정보 감사합니다.
당신이 가정한 것처럼 표준 최소 제곱을 시도하는 동안 P>|t| 일, Adj. RSquare는 0.18에 불과합니다.
또한 당신이 생각한 것처럼 나는 당신이 제기 한 것들을 알지 못하기 때문에 선형 모델로 가능한 아이디어를 시도하지 않았으므로 대단히 감사합니다.
내 매개변수를 가장 잘 맞도록 변환하는 방법을 알아내기 위한 올바른 방향을 알려 주시겠습니까? 내가 말했듯이, 나는 통계 경험이 없기 때문에 가능한 모든 방법으로 내 y 값을 가장 잘 모델링할 수 있는 매개변수의 조합을 원하고 어디서부터 시작해야 할지 모릅니다.
Re: 다중 x 변수를 사용한 "Fit Curve" 모델링또한 귀하의 매우 유용한 의견 이후 내 원래 목표가 확실히 변경되었으므로 여기에서 새 게시물을 시작하는 것이 더 적절하다고 생각하는 경우 알려주십시오.
Re: 다중 x 변수를 사용한 "Fit Curve" 모델링"...통계 경험이 없습니다..."라는 문구는 잠시 멈추고 모델링 아이디어를 더 이상 추천하지 않고 두 가지 경로 중 하나를 추천하게 만듭니다.
1. 당신과 함께 일할 컨설턴트를 고용하십시오. 특히 이것이 일종의 노력 중 하나이고 통계 방법에 대한 역량을 구축하기를 정말로 원하지 않거나 필요로하지 않는 경우.
2. 통계 방법에 대한 기본 지식을 쌓습니다. 그것은 당신에게 반짝이는 새 차를 주는 것과 같습니다(통계적 방법). 그러나 당신은 운전하는 법을 모릅니다. 그리고 당신은 커뮤니티에 반짝이는 새 차를 타고 A 지점에서 B 지점으로 가는 방법을 알려달라고 요청하고 있습니다. 그래서 한 가지 생각은 SAS "산업 문제 해결을 위한 통계적 사고" 온라인 과정을 완료하는 것입니다. 무료입니다. 과정 모듈을 완료하면 통계 방법 및 JMP에 대한 역량을 구축할 수 있습니다. 코스 홈페이지 링크는 다음과 같습니다. 산업 문제 해결을 위한 통계적 사고
