다음 방법을 참조하십시오.
- 기본 회귀 이해
- 표준 최소 제곱 사용
- 기본 가정은 응답이 정상이고 요인 간에 다중 공선성이 없다는 것입니다.
- 연속적 또는 범주적 요인으로 연속 응답 처리
- 점과 회귀 '곡선' 사이의 오차를 최소화하는 최적선 해석
- 주요 효과, 상호 작용 등을 처리합니다.
- 필요한 경우 Box-Cox 변환 적용
- 단계적 회귀 사용
- 단계별 회귀는 모든 요인을 최적화하기 위해 '단계'에 항을 추가하는 표준 최소 제곱과 같습니다.
- '정지 규칙'을 지정하고 '방향'이 프로세스를 제어합니다.
- 버튼 클릭을 사용하여 모델 만들기
- Logistic: Ordinal & Nominal Regression을 사용하여 특정 결과의 확률을 제공합니다.
- 이러한 기술은 표준 최소 제곱과 유사하지만 순서 또는 명목 응답(범주형)을 사용한다는 것을 이해합니다.
- 때때로 표준 회귀로는 충분하지 않다는 것을 이해하십시오.
- JMP Pro 일반화 회귀는 비정규성과 상관관계가 높은 데이터에 유용할 수 있습니다.
- 부분 최소 제곱(PLS)은 요인이 관측값을 초과할 때 유용합니다.
- 모델 스크리닝을 사용하면 최상의 모델을 가장 빨리 찾을 수 있습니다.
Peter Polito가 답변한 세션의 질문 @Peter_Polito 클로비스 바이스바트 @cweisbart :
Q: Fit Stepwise 플랫폼에 어떻게 도달합니까?
A: Fit Model 플랫폼에 있을 때 오른쪽 상단 모서리에 드롭다운 옵션이 있습니다. Standard Least Squares에서 Stepwise로 변경할 수 있습니다.
Q: 스크립트를 저장하면 새 데이터 집합의 경우 기존 데이터를 삭제하고 새 데이터로 바꾸고 새 이름으로 저장한 다음 실행하여 새 결과를 얻을 수 있다는 의미입니까?
A: 예, 스크립트가 작동하려면 새 데이터에 동일한 변수 이름이 있어야 합니다.
Q: 선형 회귀, 출력에 대한 원시 데이터의 정규성 또는 잔차의 정규성에서 더 중요한 것은 무엇입니까?
답: 둘 다 중요합니다. 비정규 응답(출력)이 있으면 계조이므로 약간 비정상이면 괜찮을 것입니다. 너무 비뚤어지면 괜찮지 않습니다. 그리고 잔차에 비정규성이 있는 경우 괜찮지 않습니다. 즉, 해결되지 않은 모델에서 작용하는 일종의 편향 또는 요인이 있음을 의미합니다.
알림: JMP에서 .01과 .05 사이의 p-값은 빨간색으로 표시됩니다. .01 미만은 주황색입니다. .05보다 크면 검은색입니다.색상 코딩은 한 번에 여러 가지 다양한 효과를 분석하고 보고서에서 통계적으로 유의미한 시각적 단서를 찾고자 할 때 도움이 될 수 있습니다. 간단히 말해서, 낮은 p-값은 귀무가설이 틀렸고 실제로 모집단에 효과가 있음을 나타냅니다.
Q: 감마 분포가 가장 좋은 예에서 모델링할 때 변환 또는 일반화된 선형 모델링을 사용하는 것을 선택했습니까, 아니면 이 방법이 더 낫습니까?
A: 비정규 데이터가 있는 경우 JMP Pro 기능인 일반화 회귀를 사용합니다. Analyze>Fit Model로 이동한 다음 12개월 누적을 내 응답으로 드래그합니다. 여기에서 특정 응답의 분포를 적용할 수 있는 옵션을 제공하는 일반화 회귀를 선택합니다. 따라서 실제로 감마 분포를 선택할 수 있으며 모델 구성에서 고려됩니다. 내 데이터가 정상이 아닐 때마다 이 작업을 수행합니다. 저는 JMP Pro를 가지고 있기 때문에 어쨌든 이 방법으로 진행합니다. 왜냐하면 JMP Pro가 일반화 회귀를 실행할 때 항상 일반화 회귀 출력 외에 Stardard Least Squares 출력을 제공하기 때문입니다.
이 주제에 대한 이전 세션에서 답변한 질문:
Q: 두 개의 예측 변수/요인이 서로 강한 상관 관계가 있고 둘 다 모델의 Y에 큰 영향을 미치는 경우 JMP는 모델 적합 플랫폼에서 처음에 p-값이 낮은 것으로 나열된 항목을 선택한 다음 공변을 제공합니다. 하나는 주어진 공분산을 효과적으로 "추가"하지 않기 때문에 매우 높은 p-값입니까?
A: 다중 공선성은 항상 조사해야 할 좋은 질문입니다. VIF(분산 인플레이션 요인)는 잠재적인 옵션 중 하나입니다. 보고서 창의 매개변수 추정치 테이블 내에서 마우스 오른쪽 버튼을 클릭하고 열 아래에서 VIF를 선택하여 VIF를 평가하는 옵션을 찾을 수 있습니다.
Q: Backward Stepwise를 수행할 수 없는 요소가 너무 많은 경우에도 Forward Stepwise를 수행할 수 있습니까?
A: "방향" 옵션에서 순방향 선택 모델을 지정할 수 있어야 합니다. 매우 많은 잠재적인 예측자가 있는 경우 예측자 스크리닝 플랫폼을 사용할 수 있습니다. 이 플랫폼은 변수 선택 및 주요 요인 식별을 위한 매우 강력한 플랫폼입니다. 거기에서 집중할 요인의 더 작은 하위 집합을 선택할 수 있습니다. 예측자 선별은 JMP Pro뿐만 아니라 JMP의 모든 버전에서 사용할 수 있습니다.
Q: Stepwise는 단순히 중복 모델 항을 선택할 가능성이 없기 때문에 다중 공선성을 수용합니까? 그것은 이 세션에서 너무 고급일 수 있으며 "걱정하지 마십시오. 스스로 공선적 용어를 가져오기에 너무 게으른 경우 단계별로 처리할 것"으로 해석될 수 있습니다.
자원
