Benötigen Sie Hilfe, um die schrittweise Modellauswahl zu automatisieren!Hallo JMP-Experten,
Ich benötige Ihre Hilfe, um meinen Code zu überarbeiten, um die schrittweise Modellauswahl mit dem p-Wert-Schwellenwert zu automatisieren. Diese angehängte JSL kann basierend auf zugewiesenen Effekten und Reaktionen schrittweise automatisch ausgeführt werden. Ich muss weitere Funktionen hinzufügen, um meine Arbeit effizienter zu gestalten.
1. Ich möchte, dass dieses Skript automatisch Interaktion und Quadratik basierend auf Prädiktoren generieren kann (es ist besser, es zu haben, aber nicht notwendig)
2. Das Skript muss ein Modell für jede Antwort in der Liste „response_col“ generieren.
3. Nach dem Ausführen des Modells möchte ich, dass dieser Antwortbericht die folgenden Diagramme oder Tabellen enthält:
{Zusammenfassung der Anpassung (1), Varianzanalyse (1),
Parameterschätzungen (1), Effekttests (0), Effektdetails (0),
Fehlende Anpassung (0), skalierte Schätzungen (0), tatsächliche Darstellung durch vorhergesagte Darstellung (1),
Plot Regression( 0 ), Plot Residuum durch Predicted( 0 ),
Studentisierte Residuen darstellen (1), Wirkungshebel darstellen (0),
Residuum durch Normalquantile darstellen (1), Box-Cox-Y-Transformation (0),
Drücken Sie (1)}
4. Ich möchte diesen Bericht in einer JMP-Tabelle mit einem zugewiesenen Namen wie „stepwise_“ speichern. Antwort.
5. Speichern Sie alle Diagramme und Tabellen in separaten Diagrammen in einem zugewiesenen Ordner, sodass ich die Modellergebnisse nicht einzeln in PowerPoint oder ein Word-Dokument kopieren muss.
InhaltsorganisationBetreff: Brauchen Sie Hilfe, um die schrittweise Modellauswahl zu automatisieren!Hallo @lazzybug ,
Es tut mir leid, ich habe einen Fehler in meinem Skript gefunden. Bitte ersetzen ; mit ,.
// Previous script
Prob to Leave( ^var2^ );
Direction ("Mixed");
Rules("Combine");
// Correct one
Prob to Leave( ^var2^ ),
Direction ("Mixed"),
Rules("Combine"),Betreff: Brauchen Sie Hilfe, um die schrittweise Modellauswahl zu automatisieren!Mir ist gerade aufgefallen, dass die Richtung nur vorwärts ist. Wie können wir es im obigen Code in „gemischt“ ändern?
Betreff: Brauchen Sie Hilfe, um die schrittweise Modellauswahl zu automatisieren!Hallo @yuichi_katsumur Vielen Dank für Ihre bisherige schrittweise Hilfe zu JSL. Es hat gut funktioniert, die schrittweise Methode hat nur einen P-Wert-Schwellenwert, aber dieses Beispiel unten hat zwei schrittweise Methoden, eine ist der P-Wert-Schwellenwert, die andere ist der minimale BIC. Wenn ich Ihren Code zum Speichern des Modells verwendet habe, besteht es aus zwei Modellen. Ich muss jedes Mal nach dem Speichern von Modellen Code verwenden, um das letzte Skript zu löschen. Gibt es eine Möglichkeit, den Mindest-BIC in der folgenden Grafik zu entfernen?
Die von mir verwendete Richtung für „Schrittweise“ ist „Gemischt“, aber die Grafik unten zeigt nur „Vorwärts“. Welche Richtung wird also tatsächlich im Skript verwendet?
@jthi Können Sie auch helfen, einen Blick darauf zu werfen?
sdt = Open("$SAMPLE_DATA/Boston Housing.jmp");
Response_col = {" :mvalue", ":crim"};
effects_term = {:zn, :indus, :chas, :nox, :rooms, :age, :distance, :radial, :tax, :pt, :b,
:lstat};
var1= 0,05;
var2 = 0,25;
For( i = 1, i <= N Items( Response_col ), i++,
Bewertung(
Analysieren(
Evaluierungseinfügung(
"\[step_wise = Modell anpassen(
Y( ^response_col[i]^ ),
Effekte( ^effects_term^ ),
Persönlichkeit (stufenweise),
Modell ausführen(
Stoppregel („P-Wert-Schwellenwert“),
Prob to Enter( ^var1^ ),
Prob to Leave( ^var2^ );
Richtung („Gemischt“);
Regeln("Kombinieren");
),
Laufen
);
]\"
)
)
);
step_wise << Fertig stellen;
Warten( 0 );
fit_model = step_wise << Modell ausführen;
/* schrittweise << Fenster schließen();*/
);
Betreff: Brauchen Sie Hilfe, um die schrittweise Modellauswahl zu automatisieren!Die folgende Seite ist hilfreich, um zu verstehen, wie mit Ausdrücken umgegangen wird.
https://community.jmp.com/t5/JSL-Cookbook-Archived/Insert-one-expression-into-another-using-Eval-Insert-Eval-Expr/ta-p/48998
Hier ist ein Beispiel für eine schrittweise Regression.
For( i = 1, i <= N Items( response_col ), i++,
Eval(
Parse(
Eval Insert(
"\[step_wise = Fit Model(
Y( ^response_col[i]^ ),
Effects( ^effects_term^ ),
Personality( Stepwise ),
Run Model(
Stopping Rule( "P-value Threshold" ),
Prob to Enter( 0.05 ),
Prob to Leave( 0.25 ),
),
Run
);
]\"
)
)
);
step_wise << Finish;
Wait( 0 );
fit_model = step_wise << Run model;
step_wise << close window();
);//end of loop
Das vollständige Skript finden Sie in der beigefügten Datei.
(Ich habe einen Fehler gefunden und das Skript bearbeitet. 19. April 2023)
