線形回帰直線の周囲の +/- 1 標準偏差を計算するにはどうすればよいですか?こんにちは。予測モデルとして使用している線形回帰直線の標準偏差をJMPで計算しようとしています。具体的には、新しい（将来の）サンプルポイントごとに、そのポイントの回帰結果に標準偏差をプラスマイナス1ずつ加算したいと考えています。信頼区間の計算方法は知っていますが、標準偏差の計算方法は分かりません。この計算方法がわかったら、スクリプトに組み込んで結果を自動化し、時間経過に対するプロットを作成したいと考えています。よろしくお願いします。
データの探索と可視化結果の共有と伝達Re: 線形回帰直線の前後で +/- 1 標準偏差を計算するにはどうすればよいですか?ありがとうございます。このjslは、基礎となる統計を解決するのに役立ちます。それは有り難いです！
Re: 線形回帰直線の前後で +/- 1 標準偏差を計算するにはどうすればよいですか?ありがとうマーク。あなたの助けと洞察に感謝します！
Re: 線形回帰直線の前後で +/- 1 標準偏差を計算するにはどうすればよいですか?USGSプロットは、モデルからの予測平均および標準偏差ではなく、サンプル平均および標準偏差である可能性があると思います。
どのモデルも、応答の分散について何かを仮定する必要があります。 たとえば、線形回帰モデルは、(条件に関係なく) 一定であると想定しています。 多くの一般的なモデルは、この仮定を立てています。 あなたは線形回帰を使用していると述べたので、それは定数であり、RMSE によって推定されると仮定しました。
Re: 線形回帰直線の前後で +/- 1 標準偏差を計算するにはどうすればよいですか?ありがとうマーク。上記のプロット例 (スクリーンショット) では、+/- 1 標準偏差範囲サイズが変動します予測された (つまり、回帰した) ecoli 値の周り。ただし、RMSE は修繕回帰適合に基づく値。明らかに、私には欠けているものがあります。サンプル プロットのように、どのような条件下で SD のサイズが時間とともに変動しますか?(プロットは USGS の Web ページからのものであるため、間違いなく完全に吟味されています。) https://www2.usgs.gov/water/southatlantic/ga/bacteria/#:~:text=coli)%20concentrations.-,E.,three%20stations%20within%20the%20CRNRA .
Re: 線形回帰直線の前後で +/- 1 標準偏差を計算するにはどうすればよいですか?Col Std Dev() 関数を使用して、線に関する標準偏差を計算しないでください。 この関数は、応答変動の無条件推定 SD を返します。 条件付きSDが必要だと思います。 この数量は、回帰レポートの [適合の概要] テーブルで RMSE としてレポートされます。 予測子に条件付けられます。
Re: 線形回帰直線の前後で +/- 1 標準偏差を計算するにはどうすればよいですか?描画された線は予測値から導出されるため、適合する任意の回帰曲線に従います。 列 std dev 確率で使用する列の選択は、予測された列になります
Re: 線形回帰直線の前後で +/- 1 標準偏差を計算するにはどうすればよいですか?txnelsonさん、ありがとうございます。あなたの例は直線プロットを示していることに気付きました。スクリプトは、回帰式によって予測される将来の値に対して機能しますか?私の回帰式は、濁度 (独立) に基づいてエコリ (従属) の値を予測します。将来のリアルタイムの濁度値を使用してエコリを予測するモデルを作成しようとしています..... また、+/ 1 つの標準を示します。偏差。以下のプロットは私の目標です。
私が不明なことの1つは、例の「col std dev( :weight)」部分です。何の std dev が計算されているかを考える必要があります。私の例では、それは濁度ではなく、エコリでもありません。代わりに、回帰適合の標準偏差になりますよね？（それはスロープの標準開発だと思いますか？）アドバイスをいただければ幸いです！
Re: 線形回帰直線の前後で +/- 1 標準偏差を計算するにはどうすればよいですか?これを行う1つの方法の例を次に示します
names default to here(1);
// Open Data Table: big class.jmp
// → Data Table( "big class" )
dt = Open( "/C:/Program Files/SAS/JMPPRO/14/Samples/Data/big class.jmp" );
biv = dt << Bivariate( Y( :Weight ), X( :Height ), invisible );
biv << fit line( {Save Predicteds} );
biv << close window;
// New column: Column 7
Data Table( "big class" ) << New Column( "Upper",
Numeric,
"Continuous",
Format( "Best", 12 ),
Formula(
:Predicted weight + Col Std Dev( :weight )
));
// New column: Column 8
Data Table( "big class" ) << New Column( "lower",
Numeric,
"Continuous",
Format( "Best", 12 ),Formula(
:Predicted weight - Col Std Dev( :weight )
)
);
Graph Builder(
Size( 528, 454 ),
Show Control Panel( 0 ),
Variables(
X( :height ),
Y( :Predicted weight ),
Y( :Upper, Position( 1 ) ),
Y( :lower, Position( 1 ) )
),
Elements(
Points( X, Y( 1 ), Y( 2 ), Y( 3 ), Legend( 12 ) ),
Smoother( X, Y( 1 ), Y( 2 ), Y( 3 ), Legend( 13 ) )
)
);
