예측식에 대하여안녕하세요 회원님들
jmp 16에서 RSM 설계를 수행 중이며 모델에 대한 예측 표현식을 추출하고 싶습니다. 이것은 내가 얻은 예측 표현입니다.
x1과 x2의 중심점은 각각 25와 10입니다.
- 왜 이런 유형의 모델에서 중심점을 사용하여 변수가 중앙에 배치되는지 궁금합니다. (곡률을 고려하여 1차 모델에만 적용되는 것으로 생각했습니다)
- 이 모델을 서면으로 보고할 때 등식을 그대로 두어야 합니까?
도움을 주시면 대단히 감사하겠습니다. 미리 감사드립니다.
암사슴Re: 예측식에 대해안녕,
예측 공식을 테이블에 저장하고 공식 편집기를 사용하여 연 다음 빨간색 삼각형 메뉴에서 "단순화"를 선택하여 두 번째 표현식을 첫 번째 표현식으로 변환할 수 있다는 것을 아는 것이 도움이 될 수 있습니다.
Re: 예측식에 대해회귀 방정식의 단순화된 버전에 대한 수단을 보여주셔서 감사합니다. 저는 아직 회귀 모델링이 처음입니다. 나는 또한 우리가 매개변수 추정치를 그대로 사용하지 않는 이유를 알고 싶었습니다. 예측 표현식에서 중심점을 사용하여 예측 변수를 중심에 배치하는 이유는 일반적으로 무엇입니까?
Re: 예측식에 대해안녕 @키마니 ,
JMP가 피팅을 수행할 때 지정하지 않는 한 기본적으로 X 요소의 중앙에 배치됩니다(제 생각에는). 그 이유는 알고리즘이 계수인 베타의 더 나은 추정치를 결정할 수 있기 때문입니다. 이런 식으로 하면 알 수 없는 맞춤 오류를 상수 엡실론으로 밀어넣는 데 도움이 되므로 맞춤 추정치인 베타의 오류를 줄일 수 있습니다.
이것이 의미가 있고 도움이되기를 바랍니다.
DS
Re: 예측식에 대해자세한 설명 정말 감사합니다 @markbailey . 설명은 회귀 모델을 이해하는 데 많은 도움이 될 것입니다.
Re: 예측식에 대해변수를 변환하는 방법과 이유는 많습니다. 발생한 변환을 '코딩'이라고 합니다. 여러 가지 이유로 설계된 실험의 데이터를 분석할 때 모범 사례로 간주됩니다. JMP 디자인 플랫폼(예: Custom Design)은 테이블 만들기를 클릭할 때 연속 요인 데이터 열에 코딩 열 속성을 추가합니다. Fit Least Squares 플랫폼은 이 열 속성을 인식하고 내부적으로 변환을 적용합니다.
해석:
코딩 없이 매개변수 추정치는 척도(즉, 측정 단위)에 따라 달라집니다. "어떤 요소가 가장 중요합니까?"와 같은 질문에는 대답하기 어렵습니다. 견적을 검토하는 것만으로도 충분합니다. 반면에 코딩된 요인 수준은 척도 불변 추정치로 이어집니다. 그것들은 여전히 요인의 1단위 변화에 대한 반응의 변화를 나타내지만 이제는 모든 요인에 대한 요인 범위의 절반입니다. (이러한 이유로 코드화된 요인 수준을 사용한 추정을 '절반 효과'라고도 합니다.) 또한 절편은 일반적으로 모델링에 필요하지만 의미가 없습니다. 코딩을 사용하면 절편이 항상 디자인 공간의 원점에서 평균 응답이 됩니다.
힘:
우리는 실험의 목적(예: 스크리닝 대 최적화)에 관계없이 항상 가장 작은 표준 오차를 가진 추정치를 원합니다. 설계는 추정치 간의 상관 관계를 결정합니다. 상관되지 않은 추정치는 가장 작은 표준 오차를 갖습니다. 상관 관계는 추정치의 변동을 부풀리므로 표준 오차가 커집니다. 완벽하게 상관된 오류는 분산이 무한하므로 분리할 수 없습니다. 이러한 매개변수가 나타내는 효과는 혼동됩니다. 요인 수준을 코딩하면 추정치 간의 상관관계가 최소화됩니다.
안정:
모델 계층은 코딩과 관련이 있습니다. 모델에서 항을 추가하거나 제거할 때 모델 계층을 유지하는 것이 좋습니다. 한 가지 이유는 코딩 변환을 반대로 하는 것과 같이 나중에 변수를 변경(변환)하면 모델이 불안정하기 때문입니다. 에서 제안한 대로 수식 편집기에서 단순화 기능 사용 @HadleyMyers 모델을 선택할 때 계층을 유지하지 않으면 다른 모델을 생성합니다(일부 항은 사라지고 새 항이 나타남).
