이변량 선형 회귀 결과에서 99.9% CI 이상인 데이터 포인트를 저장하려고 했습니다. 알파 0.001을 선택하고 Indiv CI 수식을 저장했습니다. JM은 확실하게 Lower.. 및 Upper 99.9% Indiv[내 Y 변수 이름]라는 2개의 열을 저장합니다. 그러나 내 Y 변수 > 상위 지점을 선택하면 이러한 제한이 훨씬 덜 엄격한 CI, 분명히 90%에 해당하는 것을 볼 수 있습니다.
Fit을 제거하고 다시 실행해도 분명히 도움이 되지 않습니다.
Bivariate(
Y( :"Dtranscr=sqrt(Sum(dZ2))"n ),
X( :Meanpident ),
Fit Line(
{Confid Curves Indiv( 1 ), Line Color( "Red" )},
{Set α Level( 0.001 )}
),
SendToReport(
Dispatch(
{},
"Bivar Plot",
FrameBox,
{Frame Size( 617, 465 ), Grid Line Order( 3 ), Reference Line Order( 4 )
}
)
)
);피팅이 완료된 후 알파가 설정되기 때문입니다.
내가 무언가를 간과하지 않는 한 이것은 고칠 가치가 있는 버그처럼 보입니다.
안녕 @l_yampolsky ,
왜 문제가 발생했는지 잘 모르겠습니다. Big Class.jmp 파일로 시도했는데 잘 작동합니다.
먼저 와이트와 가중치의 x를 y로 맞추고 선을 맞춘 다음 알파를 변경한 다음 신뢰 개인 한계 공식을 저장하고 알파 = 0.001과 0.01 모두에 대해 수행했으며 잘 작동했습니다. 열 수식은 다르며 예상대로 알파가 작을수록 CI가 더 넓습니다.
Confidence Indiv Limit Formula를 저장할 때 올바른 공식을 저장하도록 작업 순서를 올바르게 수행했습니까?
무엇이 잘못되었는지 확실하지 않지만 먼저 Big Class.jmp 파일로 시도해보고 예상한 일이 발생하는지(버그 없음) 또는 다른 일(버그)이 발생하는지 확인하십시오.
도움이 되었기를 바랍니다!,
DS
