예측 프로파일러 - 상한 및 하한 - 계산 방법안녕하세요 전문가 여러분,
범주형 회귀 모델에 대한 예측 프로파일러에서 상한 및 하한이 계산되는 방식을 파악하려고 합니다.
다음은 (흰색, 저밀도, 야간)에 대한 모델 및 프로파일러 스냅샷입니다.
0.305017의 평균 응답을 얻으려면 간단히 더할 수 있습니다.
0.4650093 + (-0.03985) + (-0.0513424) + (-0.0687996) = 0.305017
그러나 0.22501 및 0.38502의 하한/상한은 어떻게 계산됩니까?
원래, 나는 단순히 대응하는 표준편차를 합산하여 응답에 대한 표준편차를 찾았기 때문에 -
0.0269889 + 0.0243968 + 0.0126292 + 0.0126749 = 0.0766898
그런 다음 z = 1.96을 곱합니다.
0.0766898 x 1.96 = 0.150312008
그러나 프로파일러에서 이 값은 훨씬 낮습니다.
0.38502 - 0.305017 = 0.080003
나는 또한 상한과 하한에 대한 공식을 보려고했지만 어떤 이유로 표시하지 못했습니다 (예측 응답 공식을 표시 할 수 있음).
누구든지 올바른 방향으로 나를 가리킬 수 있다면 매우 감사 할 것입니다. 감사합니다!
해석학데이터 테이블창Re: Prediction Profiler - 상한 및 하한 - 계산 방법은?이러한 한계는 예측된 평균 반응에 대한 신뢰 한계입니다. 일반 최소 자승 회귀에 대한 모든 교과서는 이러한 한계의 기원과 계산을 설명합니다. 계산을 위한 행렬 형식은 다음과 같습니다.
X0은 요인 수준의 벡터입니다. X는 회귀에 대한 모델 행렬입니다. 시그마는 회귀의 평균 제곱근 오차입니다. 분산의 제곱근은 표준 오차입니다. 표준 오차에 t 분포의 적절한 분위수를 곱합니다.
Re: 예측 프로파일러 - 상한 및 하한 - 계산 방법은 무엇입니까?응답 주셔서 감사합니다, Mark, 정말 감사합니다!
CI가 데이터에서 계산된다는 것을 이해하지만 실제로 원본 데이터가 없다는 것을 언급했어야 했습니다. 이 모델은 몇 년 전의 프로젝트에서 가져온 것이기 때문에 여전히 데이터를 찾으려고 노력하고 있습니다. 집합을 찾고 CI를 계산할 수 있기를 바랍니다.
모델 계수의 표준 편차를 기반으로 CI를 추정할 수 있는 방법이 있는지 궁금합니다. 지금은 이 스크린샷만 가지고 작업해야 하므로 효과 테이블을 기반으로 CI를 얻을 수 있는 방법이 있을 수 있다고 생각했습니다.
도움을 주셔서 진심으로 감사드립니다. 이 문제를 파악하기 위해 많은 검색을 수행했지만 데이터를 찾을 때까지 운이 좋지 않은 것 같습니다.
Re: 예측 프로파일러 - 상한 및 하한 - 계산 방법은 무엇입니까?모델 행렬 X의 모든 열이 상관 관계가 없다는 것을 알고 있지 않으면 모수 추정값의 표준 오차를 사용할 수 없습니다. X`X의 대각선 요소는 표준 오차의 제곱이므로 이로부터 대각 행렬을 구성할 수 있지만 이 계산에서는 비대각선 요소가 중요합니다. 0이 아닌 경우 많은 기여를 할 수 있습니다. 이러한 요소는 추정치의 상관 관계 표가 스크린샷에 표시되는 경우 사용할 수 있습니다.
Re: Prediction Profiler - 상한 및 하한 - 계산 방법은?감사합니다 Mark - 이 문제에 대한 귀하의 전문 지식에 정말 감사드립니다. 이것은 훌륭한 정보입니다. 우리는 계속해서 찾아내고 찾을 것입니다!
