Ciao, sono ancora nuovo nello scripting jsl e sto cercando di scrivere uno script che crei e salvi quattro nuove colonne in base al mio adattamento di regressione lineare:
- intervallo di confidenza medio inferiore al 95%.
- intervallo di confidenza medio superiore al 95%.
- intervallo di confidenza individuale inferiore al 95%.
- intervallo di confidenza individuale superiore al 95%.
obj = Fit Model(
Y( :LOG_ECOLI_PEAR ),
Effects( :LOG_TURB_PEAR_FNU),
Personality( "Standard Least Squares" ),
Emphasis( "Effect Leverage" ),
Run(:LOG_ECOLI_PEAR
)) ;
obj << Prediction Formula;
Grazie!
CIAO @learning_JSL ,
In realtà è davvero facile. Tutto quello che devi fare è aggiungere alcune righe di codice al tuo JSL esistente e il gioco è fatto. Già che ci sei, ti consiglio caldamente di usare l'indice di scripting nel menu Aiuto -- è MOLTO utile.
Per l'IC medio, aggiungerai il codice: obj << Intervallo medio di confidenza; e per i singoli elementi della configurazione, aggiungerai obj << Indiv Confidence Interval;. L'impostazione predefinita è per un alfa di 0,05 (corrispondente al tuo +/- 95%, ma puoi specificare qualsiasi alfa desiderato, ad esempio: obj << Intervallo di confidenza medio(0,1) corrisponderebbe a +/-90% CI.
Di seguito è riportato un codice che puoi provare utilizzando il file Diabetes.jmp.
Spero che questo ti aiuti!,
DS
Names default to here(1);
dt=Open("$SAMPLE_DATA/Diabetes.jmp");
obj_fit = Fit Model(
Validation( :Validation ),
Y( :Y ),
Effects(
:Age, :Gender, :BMI, :BP, :Total Cholesterol, :LDL, :HDL, :TCH, :LTG,
:Glucose
),
Personality( "Standard Least Squares" ),
Emphasis( "Effect Leverage" ),
Run(
:Y << {Summary of Fit( 1 ), Analysis of Variance( 1 ),
Parameter Estimates( 1 ), Lack of Fit( 0 ), Scaled Estimates( 0 ),
Plot Actual by Predicted( 1 ), Plot Regression( 0 ),
Plot Residual by Predicted( 1 ), Plot Studentized Residuals( 0 ),
Plot Effect Leverage( 1 ), Plot Residual by Normal Quantiles( 0 ),
Box Cox Y Transformation( 0 )}
)
);
obj_fit << Prediction Formula;
obj_fit << Mean Confidence Interval;
obj_fit << Indiv Confidence Interval;
