嗨 - 我還是 jsl 腳本的新手,我正在嘗試編寫一個腳本,根據我的線性回歸擬合創建和保存四個新列:
- 降低 95% 的平均置信區間
- 上 95% 的平均置信區間
- 降低 95% 的個人置信區間
- 上 95% 的個人置信區間
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;
謝謝!
你好@learning_JSL ,
這真的很容易。 您需要做的就是在現有的 JSL 中添加幾行代碼,然後就完成了。 當您使用它時,我強烈建議您使用“幫助”菜單下的“腳本索引”——它非常有用。
對於平均 CI,您將添加代碼:obj << Mean Confidence Interval;對於單個 CI,您將添加 obj << Indiv Confidence Interval;。 默認值為 0.05 的 alpha(對應於您的 +/- 95%,但您可以指定所需的任何 alpha,例如:obj << Mean Confidence Interval(0.1) 將對應於 +/-90% CI。
下面是一些您可以使用 Diabetes.jmp 文件嘗試的代碼。
希望這可以幫助!,
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;