次の方法を参照してください。
- 基本的な回帰を理解する
- 標準最小二乗法を使用
- 基本的な仮定は、応答が正常であり、因子間に多重共線性がないことです。
- 連続因子またはカテゴリ因子による連続応答の処理
- 点と回帰 'curve' の間の誤差を最小化する最適な直線を解釈する
- 主効果、相互作用などを処理します。
- 必要に応じて Box-Cox 変換を適用する
- ステップワイズ回帰を使用する
- ステップワイズ回帰は、すべての要因を最適化するために「ステップ」で項を追加する標準最小二乗法に似ていることを理解してください
- 「停止ルール」と「方向」を指定してプロセスを制御
- ボタンクリックでモデルを作る
- ロジスティックを使用: 順序および名義回帰を使用して、特定の結果の確率を提供します
- これらの手法は標準最小二乗法に似ていますが、順序または名義応答 (カテゴリ) を使用することを理解してください。
- 標準回帰では不十分な場合があることを理解する
- JMP Proの一般化回帰は、非正規性および相関性の高いデータに役立ちます
- 部分最小二乗法 (PLS) は、因子が観測値を超える場合に役立ちます
- モデル スクリーニングを使用して、最適なモデルを最速で見つけることができます
ピーター・ポリートが回答したセッションからの質問@ピーター_ポリートとクローヴィス・ヴァイスバート@cweisbart :
Q: Fit Stepwise プラットフォームにアクセスするにはどうすればよいですか?
A: モデルのあてはめプラットフォームでは、右上隅にドロップダウン オプションがあります。 標準最小二乗からステップワイズに変更できます。
Q: スクリプトを保存するということは、新しいデータ セットについて、既存のものを削除し、新しいものに置き換え、新しい名前で保存し、それを実行して新しい結果を得ることができるということですか?
A: はい。スクリプトを機能させるには、新しいデータに同じ変数名を付ける必要があります。
Q: 線形回帰、出力の生データの正規性、または残差の正規性において、どちらがより重要ですか?
A: どちらも重要です。 反応（出力）が異常ならグラデーションなので、少し異常なら多分大丈夫です。 極端に歪んでいる場合は、問題ありません。 そして、残差に非正規性がある場合、それは問題です。 これは、モデル内で対処されていない何らかのバイアスまたは何らかの要因があることを意味します。
リマインダー： JMP では、.01 ～ .05 の p 値は赤で表示されます。 .01 未満はオレンジ色です。 .05 より大きい値は黒です。色分けは、多数の異なる効果を一度に分析していて、レポートで統計的有意性の視覚的な手がかりを調べたい場合に役立ちます。 簡単に言えば、低い p 値は、帰無仮説が間違っていて、母集団に実際に効果があることを示唆しています。
Q: ガンマ分布が最適だった例では、モデリング時に変換または一般化された線形モデリングの使用を選択しましたか? または、この方が優れているアプローチはありますか?
A: 非正規データがある場合は、JMP Pro の機能である一般化回帰を使用します。 Analyze>Fit Model に移動し、12 か月の累積を応答にドラッグします。 ここから、特定の応答の分布を適用するオプションを提供する一般化回帰を選択します。これにより、実際にガンマ分布を選択でき、モデル構築で考慮されます。 データが正常でないときはいつでもこれを行います。 私は JMP Pro を持っているので、JMP Pro で一般化回帰を実行すると、一般化回帰の出力に加えて、常に標準最小二乗法の出力が得られるため、通常はとにかくこれに進みます。
このトピックに関する以前のセッションで回答された質問:
Q: 2 つの予測因子/因子が互いに強く相関しており、どちらもモデルの Y に強く影響する場合、JMP は、モデルの適合プラットフォームで最初にリストした p 値が低いものを選択し、共変を与えます。上記の共分散が与えられた場合、効果的に何も「追加」しないため、非常に高いp値ですか？
A: 多重共線性は常に調査するのに適した問題です。 Variance Inflation Factor (VIF) は、考えられるオプションの 1 つです。 レポート ウィンドウのパラメーター推定テーブル内で、列の下の VIF を右クリックして選択することで、VIF を評価するオプションを見つけることができます。
Q: Backward Stepwise を実行できなかった要因が多すぎる場合でも、Forward Stepwise を実行できますか?
A: 「方向」オプションで前方選択モデルを指定できるはずです。 非常に多くの潜在的な予測因子がある場合は、予測因子スクリーニング プラットフォームを使用できます。これは、変数の選択と上位要因の特定のための非常に強力なプラットフォームです。 そこから、注目する要因の小さなサブセットを選択できます。 予測スクリーニングは、JMP Pro だけでなく、JMP のすべてのバージョンで利用できます。
Q: Stepwise は冗長なモデル項を選択する可能性が低いため、多重共線性に対応していますか? これは、このセッションには高度すぎる可能性があり、「心配する必要はありません。自分で共線項を引き出すのが面倒な場合でも、stepwise が面倒を見てくれます」と解釈される可能性があります。
資力
