<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Scott Wise, Hauptsystemingenieur bei JMP, SAS
Brady Brady, JMP Technical Enablement Engineer, SAS
Erstellen robuster linearer Modelle mit generalisierter linearer Regression (GLR)
Penalisierte Regressionstechniken sind eine praktikable Alternative zu herkömmlichen linearen Modellierungsansätzen, insbesondere in Fällen, in denen die typischen Annahmen von Orthogonalität, Homoskedastizität oder Antwortnormalität verletzt werden. Sie können auch verwendet werden, um automatisch auszuwählen, welche Prädiktoren für die Vorhersage einer gegebenen Antwort am nützlichsten sind. Obwohl diese Techniken nicht neu sind, war ihre Verwendung in angewandten Umgebungen historisch begrenzt, sowohl aufgrund ihres Rechenaufwands als auch ihrer relativen Unklarheit außerhalb der Wissenschaft. Heutzutage macht es die Verbreitung erschwinglicher, leistungsstarker Computer möglich, diese Techniken in Desktop-Analysesoftware zu implementieren. In dieser Sitzung werden Techniken der Penalized Regression erläutert und die Verwendung der Generalized Regression Personality der JMP Fit Model-Plattform untersucht. Die Teilnehmer werden feststellen, dass diese Modelle einfach einzurichten, auszuführen und zu analysieren sind und dennoch robust gegenüber Ausreißern, korrelierten Eingaben und nicht normalen und/oder nicht überhöhten Antworten sind.
Angehängte Folien: Discovery 2015 Genreg.pptx
