여러 직선을 비교하는 방법은 무엇입니까? (y=ax+b)안녕하세요,
이것에 문제가 있습니다.
일: 1,2,3,4,5
연산자: a,b,c,d
하루에 실행: r1, r2, r3
모든 실행에는 2개의 관측값(o1, o2)이 있습니다.
위의 데이터 조합이 생성됩니다.
0mg/mL, 1mg/mL, 30mg/mL,
하나의 회귀선(y= 농도, x= 관찰값)이라는 결론을 내립니다.
개별 관찰값이 얼마나 가변적인지 알고 싶었기 때문에,
여러 가지 방법을 시도했지만 다소 만족스럽지 않습니다.
마지막으로 생성된 회귀선을 비교하려고 했습니다.
그러나 Y절편과 기울기를 함께 고려해야 하기 때문에 비교가 쉽지 않습니다.
이러한 다중 회귀선을 비교하여 다음과 같은 결론을 내릴 수 있습니까?
1. 범용 회귀 분석에서 연산자 c의 간격이 가장 크고 연산자 b의 간격이 가장 작습니다.
2. 연산자 d의 경우 회귀선을 사용한 ANOVA의 P 값이 유의하므로 일자간 변동이 유의합니다.
3. o1과 o2 사이의 평균으로 평균(o)을 사용하면 SD가 아닌 SEM과 관련되므로 분산(연산자)이 감소합니다.
도와주세요...
소비자 및 시장 조사Re: 여러 직선을 비교하는 방법은 무엇입니까? (y=ax+b)나는 이 분석을 당신과 같은 방식으로 해석할 것입니다. 그룹 간에 일정한 편향은 없지만 비례 편향이 있습니다.
Re: 여러 직선을 비교하는 방법은 무엇입니까? (y=ax+b)에게,
마지막으로 확인해 볼 점은...
제가 올린 사진에는
기울기(상호작용 항)에는 유의한 차이가 있고 절편 항에는 유의하지 않다고 결론을 내릴 수 있습니까?
따라서 이 경우에는 다음과 같은 결론을 내릴 수 있다고 생각합니다.
기울기는 다르지만 절편은 동일한 것으로 간주되므로 반복성 1~3 사이에는 차이가 없습니다.
(아시다시피 ANCOVA 차이에는 기울기 차이와 절편 차이가 모두 필요합니다)
동의할 수 있나요?
Re: 여러 직선을 비교하는 방법은 무엇입니까? (y=ax+b)그룹 개념의 일부인 경우 모델의 다른 변수를 사용할 수 있습니다.
예, 이 분석은 전통적으로 공분산 분석(ANCOVA)으로 알려져 있습니다.
Re: 여러 직선을 비교하는 방법은 무엇입니까? (y=ax+b)해석이 어떻게 틀릴지,
드디어 이 피규어를 얻기 위해 목적지에 도착했습니다!!
당신의 도움은 나에게 큰 도움이 되었습니다!
"날짜, 실행 등.."으로 [By] 요소를 할당해야 하는지 약간 혼란스럽습니다.
하지만 지금은 그게 중요하지 않습니다.
상황을 해결하셨습니다.
내 문제는,
데이터를 올바르게 정리하지 않았습니다.
그건 마치,
1mg/mL 30mg/mL
44.2 105.1
30.2 130.0
55.1...
실제 문제였고 ANCOVA를 실행하는 데 필요한 변수(연속)를 찾을 수 없었습니다.
도와주신 후,
그것은 밝혀졌다,
농도 관측값
144.2
30 105.1
1 30.2
30 130.0
... 마침내 ANCOVA에 적용 가능해졌습니다.
감사합니다!
Re: 여러 직선을 비교하는 방법은 무엇입니까? (y=ax+b)실제로 이것이 정말 도움이 됩니다.
아직 추가 단계를 시도하지 않았지만 답변을 읽으면서 갑자기 한 가지 아이디어가 생겼습니다.
Y를 펼치고 "연산자" -1로 그룹화합니다.
"연산자"로 나누어 "요일" -2로 그룹화하여 정렬합니다.
.... 이렇게 해서 질문에 답할 수 있을 것으로 기대합니다. '연산자에 따라 Y가 다른가요?' 또는 '요일 변수가 연산자 Y에 영향을 미치나요?' 등.
나는 대본을 이해하지 못하지만 노력하고 당신의 요점을 이해할 수 있기를 바랍니다.
매우 감사합니다!
Re: 여러 직선을 비교하는 방법은 무엇입니까? (y=ax+b)선형 모델에서는 (X,Y) 쌍이 필요하지만 각 그룹에서 두 개 이상의 Y에 대해 X=1인 경우를 설명합니다. 어떻게 그런 상황이 있을 수 있나요?
다음은 샘플 데이터 폴더의 빅 클래스 데이터 테이블을 사용하는 방법의 예입니다. 내가 말하는 내용을 확인하고 귀하의 경우에 작동할 수 있는지 확인하려면 스크립트를 실행하십시오.
Names Default to Here( 1 );
dt = Open( "$SAMPLE_DATA/Big Class.jmp" );
fit = dt << Fit Model(
Y( :weight ),
Effects( :height, :age, :height * :age ),
Personality( "Standard Least Squares" ),
Emphasis( "Minimal Report" ),
Run(
:weight << {Summary of Fit( 1 ), Analysis of Variance( 1 ),
Parameter Estimates( 1 ), Scaled Estimates( 0 ),
Plot Actual by Predicted( 0 ), Plot Residual by Predicted( 0 ),
Plot Studentized Residuals( 0 ), Plot Effect Leverage( 0 ),
Plot Residual by Normal Quantiles( 0 ), Box Cox Y Transformation( 0 )}
)
);
결과는 다음과 같습니다.
상호 작용 용어가 핵심입니다. "기울기가 연령대에 따라 달라지는가?"라는 질문을 테스트하는 데 사용됩니다. 이 사례는 그렇지 않음을 시사합니다. 왜냐하면 이 항은 95% 신뢰도로 유의미하지 않기 때문입니다.
그룹화는 더 복잡하지만(:age와 같은 단일 변수가 아님) 아이디어는 동일합니다. 따라서 그룹을 정의하는 데 어떤 변수를 사용할 수 있는지 생각해 본 다음 수식을 사용하여 회귀 분석을 위한 그룹화 변수를 만듭니다.
Re: 여러 직선을 비교하는 방법은 무엇입니까? (y=ax+b)답장을 보내주셔서 감사합니다. 예시 파일을 첨부할 수 없는 점 양해 부탁드립니다.
현재 다음과 같은 데이터 JMP 파일이 있습니다.
일일 운전자 실행 반복성
1 a r1 o1=47.2
1a r1o2=45.3
1ar2o1=49
1a r2 o2=44.5
1br1...
1mg/mL의 경우...
정확히 어떤 종류의 열을 만들길 원하시나요?
아마도 위의 데이터 세트는 x=1, y=47.2, 45.3, ...이고 명목형 그룹화 열을 말하는 것일까요?
좋다,
1 a r1 o1 as, G1 ,
1 a r1 o2 as, G2, ...
?
좋은 하루 보내세요!!
Re: 여러 직선을 비교하는 방법은 무엇입니까? (y=ax+b)이 작업에는 선형 회귀 모델을 사용할 수 있습니다. Y 및 X 변수 외에 그룹화 변수를 생성해야 합니다. 모델에 이를 포함하십시오. 또한 각 그룹화 변수를 X 변수와 교차합니다. 그룹화 변수의 주 효과에 대한 검정은 각 그룹에 대한 공통 또는 고유 절편에 대한 질문에 답합니다. 그룹화 변수와의 상호 작용 효과에 대한 테스트는 각 그룹의 공통 또는 고유 기울기에 대한 질문에 답합니다.
다음에 대한 JMP 도움말 가이드를 참조하세요. 선형 모델 피팅 상세 사항은.
