유전 제한을 적용한 단계적 회귀여러분 모두에게,
안정성 분석을 위해 단계적 회귀를 활용하는 Fit 모델 플랫폼을 사용하여 스크립팅을 통해 모델 선택 프로세스를 자동화하고 싶습니다. JMP의 안정성 플랫폼도 알고 있지만 "이유" 때문에 Fit 모델을 사용하고 싶습니다.
내 용어는 저장 시간, 배치 ID 및 저장 시간*배치 ID입니다. 단계적 회귀 분석을 사용하면 이제 모델 내에서 p-값이 0.25 미만인 항을 남겨 두는 것이 아이디어입니다. 초기 스크립트는 (부분적으로) 다음과 같습니다.
Y( :response ),
Effects(
:"Storage Time (2-8°C Analysis)"n, :Batch ID, :"Storage Time (2-8°C Analysis)"n * :Batch ID,
),
Center Polynomials( 0 ),
Personality( "Stepwise" ),
Run(
Stopping Rule( "P-value Threshold" ),
Prob to Leave( 0.25 ),
Direction( "forward" ),
Rules( "Whole Effects" )
)
내 문제는 이제 "전체 효과" 규칙을 사용하면 계층적 원칙이 아닌 용어가 제외된다는 것입니다. 즉, 단계적 regr을 사용한 후에 내 모델이 포함되었음을 의미합니다. 예를 들어 상호작용과 시간 효과는 있지만 배치 효과는 아닙니다. 또한보십시오:
결합 또는 제한 규칙(계층 구조 포함)도 있다는 것을 알고 있지만 이러한 규칙을 적용하면 내 용어 배치 ID(다중 레벨)가 내가 원하지 않는 다른 그룹으로 분할됩니다. 중요한 경우(또는 시간과의 상호 작용) 전체 효과 배치 ID를 갖고 싶습니다.
그렇다면 모델 선택을 위한 계층적 원리와 "전체 효과" 용어 표시를 결합할 수 있는 방법이 있습니까? 스크립트도 나에게 도움이 될 것입니다. 
내 질문을 명확히 할 수 있기를 바랍니다.
어떤 해결책이나 의견이라도 미리 감사드립니다!
베스트 요한
고급 통계 모델링소비자 및 시장 조사데이터 탐색 및 시각화예측 모델링 및 기계 학습답: 유전 제한을 적용한 단계적 회귀
@JohannD 썼다:
내가 아는 한 JMP 17에는 이제 안정성 플랫폼에서 풀링된 MSE의 사용을 미리 설정할 수 있는 확인란이 있습니다. 불행하게도 저나 QC 부서 모두 이 버전을 가지고 있지 않습니다.
JMP 17은 대부분의 라이선스에 포함된 무료 업그레이드입니다. 조직의 JMP 소프트웨어 관리자에게 연락하여 JMP 17을 다운로드하도록 권장하세요. 최근에 그것을 얻는 방법에 대한 정보가 전송되었습니다.
JMP 소프트웨어 관리자가 누구인지 모르는 경우 기술 지원( support@jmp.com ) 연락을 취하는 데 도움이 될 수 있습니다.
답: 유전 제한을 적용한 단계적 회귀안녕 마크,
빠른 답변에 진심으로 감사드립니다. 귀하가 언급한 ICHQ1E 기반 절차는 Fit Model에서 분석을 수행하는 방법뿐만 아니라 저에게도 익숙합니다. 요점은 QC 부서의 모델 선택 프로세스를 자동화하고 싶다는 것입니다(계층적 원리에 따라 p-값 >0.25인 용어 제외). 이것을 스크립트로 작성할 수 있는 방법이 있다고 생각하시나요?
저는 JMP의 안정성 플랫폼을 사용하고 싶지 않습니다. 이 플랫폼은 풀링되지 않은 MSE의 다양한 절편/기울기를 사용하기 때문입니다. 그러나 ICHQ1E는 분석을 위해 풀링된 MSE를 요청하고 있으며 이는 실제로 Fit Model 플랫폼(다른 절편/다른 경사 모델 포함)을 활용하여 사용되기도 합니다. 그리고 풀링되거나 풀링되지 않은 MSE를 활용하면 만료일 계산에 상당한 영향을 미칠 수 있습니다.내가 아는 한 JMP 17에는 이제 안정성 플랫폼에서 풀링된 MSE의 사용을 미리 설정할 수 있는 확인란이 있습니다. 불행하게도 저나 QC 부서 모두 이 버전을 가지고 있지 않습니다. 그래서 저는 적합 모델 플랫폼을 사용하는 스크립트를 통해 자동화된 "해결 방법"을 찾고 있습니다.
친절한 감사
요한
답: 유전 제한을 적용한 단계적 회귀나는 규칙을 결합할 수 없다고 생각합니다. 한 번에 하나의 규칙만 선택하고 사용할 수 있습니다.
로트 간 차이가 발생할 가능성이 있는 단순한 선형 불안정 사례가 있습니다. Stepwise의 제한 사항과 오버헤드를 피할 수 있습니다. 항이 3개뿐이므로 단계적 방식 대신 최소 제곱 적합을 기반으로 하는 직접적인 접근 방식을 사용하면 모형을 선택하는 것이 더 쉬울 수 있습니다. ICH Q1E 및 Q1A를 따르는 경우 풀 가능성(모델 선택)을 테스트하십시오.
- Fit Least Squares를 사용하여 전체 모델(절편, 배치, 시간, 상호 작용)을 피팅합니다.
- 상호 작용에 대한 p-값을 조사합니다.
- 상호 작용이 중요한 경우 각 배치의 만료 시간을 추정하고 가장 짧은 수명을 선택합니다.
- 유의미하지 않은 경우 교호작용 항 없이 축소 모형을 적합하고 공통 기울기를 사용합니다.
- 두 번째 모델을 사용하여 배치가 중요한 경우 각 배치의 만료를 추정하고 가장 짧은 수명을 선택합니다.
- 두 번째 피팅에서 중요하지 않은 경우 배치 효과 없이 축소된 모델을 피팅하고 공통 절편을 사용합니다.
- 시간이 중요한 경우 축소 모델을 사용하여 만료를 결정합니다.
Fit Least Squares는 역 예측도 지원하므로 세 가지 풀 가능성 사례 중 하나에 대한 만료를 즉시 결정할 수 있습니다.
