선형 회귀선 주변의 +/- 1 표준편차를 어떻게 계산하나요?안녕하세요. JMP를 사용하여 예측 모델로 사용 중인 선형 회귀선 주변의 표준 편차를 계산하려고 합니다. 특히, 각 새로운 (미래의) 샘플 포인트에 대해 해당 포인트의 회귀 결과에 표준 편차를 더하고 빼고 싶습니다. 신뢰 구간 계산 방법은 알지만 표준 편차 계산 방법은 잘 모르겠습니다. 표준 편차 계산 방법을 알게 되면 스크립트로 만들어서 결과를 자동으로 계산하고 시간에 따른 그래프를 그리고 싶습니다. 미리 감사드립니다!
데이터 탐색 및 시각화결과 공유 및 소통Re: 선형 회귀선 주위의 +/- 1 표준 편차를 어떻게 계산합니까?정말 감사합니다 txnelson.이 jsl은 기본 통계를 계산하는 데 도움이 됩니다.감사합니다!
Re: 선형 회귀선 주위의 +/- 1 표준 편차를 어떻게 계산합니까?고마워 마크.귀하의 도움과 통찰력에 감사드립니다!
Re: 선형 회귀선 주위의 +/- 1 표준 편차를 어떻게 계산합니까?USGS 플롯은 모델의 예측 평균 및 표준 편차가 아니라 표본 평균 및 표준 편차일 수 있다고 생각합니다.
모든 모델은 반응의 분산에 대해 무언가를 가정해야 합니다. 예를 들어, 선형 회귀 모델은 조건에 관계없이 일정하다고 가정합니다. 많은 일반적인 모델이 이러한 가정을 합니다. 선형 회귀를 사용한다고 말씀하셨기 때문에 RMSE로 추정하고 일정하다고 가정했습니다.
Re: 선형 회귀선 주위의 +/- 1 표준 편차를 어떻게 계산합니까?마크 감사합니다.위의 예제 플롯(스크린샷)에서 +/- 하나의 표준 편차 범위 크기가 변동 예측된(즉, 회귀된) 생태 값 주변.그러나 RMSE는 결정된 회귀 적합을 기반으로 한 값입니다.분명히 제가 놓치고 있는 것이 있습니다.예시 플롯에서와 같이 시간이 지남에 따라 SD의 크기가 변동하는 조건은 무엇입니까?(그림은 USGS 웹페이지에서 가져온 것이므로 의심할 여지 없이 완전히 조사되었습니다.) https://www2.usgs.gov/water/southatlantic/ga/bacteria/#:~:text=coli)%20concentrations.-,E.,three%20stations%20within%20the%20CRNRA .
Re: 선형 회귀선 주위의 +/- 1 표준 편차를 어떻게 계산합니까?선에 대한 표준 편차를 계산하기 위해 Col Std Dev() 함수를 사용해서는 안 됩니다. 이 함수는 응답 변동의 무조건 추정 SD를 반환합니다. 조건부 SD를 원한다고 생각합니다. 이 수량은 회귀 보고서의 적합 요약 테이블에서 RMSE로 보고됩니다. 예측 변수를 조건으로 합니다.
Re: 선형 회귀선 주위의 +/- 1 표준 편차를 어떻게 계산합니까?그려진 선은 예측된 값에서 파생되므로 적합한 회귀 석회를 따릅니다. col std dev 확률에서 사용할 열을 예측 열로 선택
Re: 선형 회귀선 주위의 +/- 1 표준 편차를 어떻게 계산합니까?txnelson 감사합니다.귀하의 예가 직선 플롯을 보여줍니다.내 회귀 공식으로 예측되는 미래 값에 대해 스크립트가 작동합니까?내 회귀 공식은 탁도(독립)를 기반으로 생태(종속)의 값을 예측하고 미래의 실시간 탁도 값을 사용하여 생태를 예측하고 +/하나의 표준도 표시하는 모델을 만들려고 합니다. 편차.아래 줄거리는 제 목표입니다.
내가 명확하지 않은 한 가지는 귀하의 예에서 "col std dev( :weight)" 부분입니다.std dev가 무엇을 계산하는지 생각해야 합니다.내 예에서는 탁도가 아니며 생태도 아닙니다.대신 회귀 적합성의 표준 편차가 될 것입니다. 맞습니까?(나는 그것이 슬로프의 표준 개발이 될 것이라고 가정합니까?) 어떤 조언도 감사합니다!
Re: 선형 회귀선 주위의 +/- 1 표준 편차를 어떻게 계산합니까?다음은 이를 수행하는 한 가지 방법의 예입니다.
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 ) )
)
);
