438519_ja-JP

liliconcom

開発者向けチュートリアル: 応答に適した JMP Pro 一般化回帰分布の選択

バックグラウンド：

• 単純な線形回帰は、エラー (および応答) が正常であると仮定しますが、正規性が当てはまらない場合、予測は意味のある範囲外になる可能性があり (おそらく大したことではない)、推論は信頼できません (おそらく大したことではありません)。
• 一般化線型モデル (GLM) は、正規分布以外の分布を想定しています。たとえば、次の場合です。

  • カウントデータ (製品の欠陥数など)

  • 歪んだデータ (給与など)

  • プロポーション

  • ラベル (例: 良い/中立/悪い、または黄色/青/緑)

• 一般化線型モデル (GLM) には 3 つの要素があります
  • 予測子 (ランダム ピース) が与えられた応答の分布
  • 線形予測子 (体系的な部分)
  • リンク機能（ランダムで体系的なピース）

• 決定係数を使用してモデルを比較する内部ディストリビューション。

• AICc と BIC (情報基準) を使用して比較します。の間にディストリビューション

  • AICc と BIC は、当てはめたモデルから真実までの距離であるカルバック ライブラー ダイバージェンスを推定します。

  • それらを使用してモデルを比較する内部同じ分布と横切って異なるディストリビューション

  • 経験則: AIC はオーバーフィットする傾向があり、BIC はアンダーフィットする傾向があります。

• Continuous Response のディストリビューションを選択するための一般的なガイドライン

  • 負の値がありますか? 通常使用

  • (0,1)にバインドされていますか?ベータ版を使用

  • 分散は平均とともに増加しますか?ガンマ、ワイブル、対数正規を使用

  • イベントまでの時間/検閲はありますか? おそらくワイブルまたは対数正規を使用します

  • かなり良いキャッチオール？ 通常使用

  • 外れ値があると思われますか? Cauchy または t(5) を使用

• 応答が数値でない場合の分布の選択
  • 二段ですか？ 二項を使用します。 (例: はい/いいえまたは A/B)
  • それは 3 つ以上のレベルで、順序が重要ですか? 順序ロジスティックを使用します。 (例: 低/中/高または小/中/大
  • レベルは 3 以上で、順序は関係ありませんか?多項式を使用します (例: ピザ/ハンバーガー/ブリトーまたは赤/青/緑/オレンジ)

JMP Proで一般化回帰を使用してモデルを選択、指定、構築、比較、評価する方法をご覧ください。 Q&A は、プレゼンテーション全体に含まれています。

 

 

資力：

• 開発者向けチュートリアル: JMP Pro 一般化回帰を使用して観測データをよりよく理解する
• 開発者向けチュートリアル: JMP Pro の一般化回帰を使用して計画された実験を分析する
• 一般化回帰のドキュメント

 

 

高度な統計モデリングRe: 開発者向けチュートリアル: 応答に適した JMP Pro 一般化回帰分布の選択

デモ中に、次の質問が取り上げられました。

 

非常に高い測定値が多数ある逆問題にゼロ膨張を使用できますか?

 

私は通常、元ガウス分布に従う傾向がある反応時間を調べます。 その分布は、指数と正規分布の融合です。 使用するモデルの推奨事項: ガンマ、指数?

 

JMP で GLMM (モデルにランダムな影響を与える) を実行できますか?

はい、現在アーリー アダプターが使用している JMP Pro 17 に含まれています。

 

ガンマについて、JMP はラムダと分散を表示しますか?

 

JMP Pro のシミュレート機能を使用して順序ロジスティック モデルの検出力分析を行う方法はありますか?

 

シミュレート列にはランダムな要素がありますか?