Minimi quadrati ordinari eseguiti con successo - Cosa c'è dopo?Ciao,
Ecco un'immagine di un frammento del set di dati con cui sto lavorando:
si presume che p e k siano variabili dipendenti, dipendenti dal resto dei parametri. Il mio obiettivo è ottenere il miglior polinomio possibile p = f(x1,x2,x3...) per modellare le relazioni tra i miei dati. Stessa cosa per x.
Finora, ho seguito un tutorial con lo stampino per biscotti su come eseguire OLS e ho ottenuto un polinomio lineare molto semplice per i miei dati. L'Agg. RSquared ha finito per essere intorno a 0,18, che è piuttosto scarso. Voglio migliorare questo!
Ho pochissima esperienza statistica, quindi qualcuno potrebbe indicarmi la giusta direzione per imparare a migliorare il polinomio che ho già. In un post precedente, un commentatore ha menzionato la trasformazione dei miei dati. Ho fatto una piccola ricerca, ma non sono riuscito a capire il modo migliore per determinare quali trasformazioni eseguire per migliorare il mio polinomio.
Grazie per il tuo tempo!
PS Se qualcuno fosse disposto a discordare la condivisione dello schermo per circa 30 minuti per lavorare rapidamente con me e insegnarmi cose relative a JMP/statistiche in modo che io possa imparare a risolvere il mio problema, ti compenserei per il tuo tempo.
AnalisiRe: Minimi quadrati ordinari eseguiti con successo - Cosa c'è dopo?Benvenuto nella comunità JMP. Non capisco la tua situazione, ma sembra che tu stia cercando di costruire un modello basato solo sui dati? Non fornisci alcuna informazione su come sono stati ottenuti i dati.E ora vedo che hai aperto più discussioni sullo stesso argomento???
Ecco i miei pensieri per lo sviluppo di un modello:
1. Prima di raccogliere qualsiasi dato, sviluppare ipotesi, radicate nelle scienze, spiegare perché ci sarebbe una potenziale relazione causale tra le variabili indipendenti e le variabili dipendenti.
2. Progettare più piani di campionamento o esperimenti per fornire informazioni su tali ipotesi considerando come ciascuna varierebbe nelle risorse necessarie, quali effetti è possibile stimare, cosa sarà confuso e cosa sarà limitato.
3. Prevedi TUTTI i possibili esiti di tali strategie di raccolta dati e quale azione intraprenderai per ogni previsione. Quindi scegli quello che bilancia il guadagno di conoscenza con l'investimento in risorse.
4. Raccogliere i dati annotando eventuali osservazioni di interesse ed eseguire analisi. Sempre pratico, poi grafico e infine quantitativo.
Il modo in cui i dati sono stati acquisiti ha un effetto sul modo in cui si costruisce il modello. Ad esempio, di solito faccio un approccio sottrattivo quando i dati provengono da un esperimento (inizia con un modello saturo e rimuovi i termini con un occhio su è ragionevole da una prospettiva ingegneristica o scientifica?, Delta aggiustato Rsquare-Rsquare, RMSE, p-value e residui). Se proviene da uno studio annidato, comincio dal basso e procedo verso l'alto. Se si tratta solo di dati osservativi, potrei adottare un approccio più additivo (ad esempio, iniziare con un primo ordine e aggiungere termini) e ovviamente devi preoccuparti della multicollinearità.
Re: Minimi quadrati ordinari eseguiti con successo - Cosa c'è dopo?Grazie mille per i tuoi pensieri,
Ho avviato più discussioni solo perché dopo aver pubblicato la mia prima e aver ricevuto una risposta, sembra che la direzione del mio problema sia cambiata dopo aver appreso di più. Mi scuso per questo.
I miei dati sono completamente osservativi e sono stati raccolti solo tramite misurazioni. Immagino che il mio problema più grande sia che non ho esperienza di statistiche, quindi molto di ciò che hai detto non significa nulla per me sfortunatamente, e sto principalmente cercando di essere indirizzato nella giusta direzione per la procedura per migliorare un modello basato su dei soli dati. Sembra che questo potrebbe essere molto più complicato di quanto mi aspettassi inizialmente però... Sto sempre imparando.
Re: Minimi quadrati ordinari eseguiti con successo - Cosa c'è dopo?Ciao @mben
Sentiti libero di inviarmi un messaggio privato se desideri supporto personale.
Ron
