時間依存変数を使用した多重線形回帰モデルの自己相関こんにちは、みんな、
私は、何週間にもわたる研究について多重線形回帰モデルを生成しようとしています。要因の 1 つは細胞年齢であり、これは応答に重大な影響を与えるようです。残差対行プロットを見てダービン・ワトソン検定を実行すると、データが独立していないように見えます (つまり、自己相関が存在します)。しかし、細胞年齢は時間に依存する因子であるため、自己相関は期待できないのでしょうか?この場合、何らかの方法で自動相関を修正する必要がありますか? JMP にはそうするためのオプションがありますか?
ありがとう！
高度な統計モデリング消費者および市場調査Re: 時間依存変数を使用した多重線形回帰モデルの自己相関こんにちは、デイビッドさん
ご回答とご説明ありがとうございました。 あなたが送ったリンクは、MLR 全般にとって優れたリソースのようです。 私のデータを使ってぜひ試してみます。
再度、感謝します！
Re: 時間依存変数を使用した多重線形回帰モデルの自己相関この議論に他にも貢献できたかもしれないと期待していましたが、7 月 4 日のせいでフォーラムは閑散としているようです。
自己相関の一般的な意味は、標準誤差が過小評価される傾向があり、統計的推論に影響を与えるということです。
1 つのアプローチは、誤差の自己回帰表現を使用する回帰モデル (つまり、自己相関を考慮した誤差の時系列モデル) を使用することです。
有益な議論は次のとおりです。
https://online.stat.psu.edu/stat462/node/189/
良いニュースは、記事の最後に、データ、計算、結果を含む実際の例が示されていることです。この実際の例は、Cochrane-Orcutt 手順に基づいています。
JMP を使用して手順を実行することができ、各ステップで一致する結果が得られました。
彼らの例を自分で試してみるとよいでしょう。行う必要があることの 1 つは、残差の単純な自己回帰モデルの列式を構築することです。これは、JMP のラグ関数に精通していれば実行できます。
この手順は有益かもしれないが、行き詰まってしまった場合は、お知らせください。シーケンスのビデオ録画を作成します。
Re: 時間依存変数を使用した多重線形回帰モデルの自己相関やあ@David_Burnham 、ご回答ありがとうございます！ 実際、私は過去に Cell Growth 4P モデルを (別の目的で) 使用しましたが、非常にうまく機能しました。 ただし、私が達成しようとしていることはまったく異なります。 以下に詳しい情報を記載しています。
現在の研究では、細胞株の生産性に影響を与える可能性のあるさまざまな要因に注目しています。 カテゴリ的要因と連続的要因の両方で、いくつかの要因があります。 カテゴリ因子には培地の種類、バッチなどが含まれますが、連続因子には細胞が継代培養された回数 (上記で「細胞年齢」と呼んだもの) と培養条件が含まれます。 応答は、たとえば 1 週間のプロセス実行ごとに細胞が生成する対象タンパク質の量です。 したがって、1 週目の初めに細胞をフラスコに移してプロセスを開始し、1 週目の終わりに細胞が生成するタンパク質の量を測定するとします。 それが 1 つのデータ ポイントになります。 さらに多くのデータポイントを収集するために、これを何週間も繰り返しました。 さて、その後の実行で細胞が生成するタンパク質の量がどんどん減っていくことが判明した場合、最終的なモデルでは細胞年齢が統計的に重要な要素となるでしょう。 私の質問は、これによって自己相関が発生するのではないかということです。 もしそうなら、それを修正しようとするべきでしょうか、それともそれが研究に固有のものであることを受け入れるべきでしょうか?
Re: 時間依存変数を使用した多重線形回帰モデルの自己相関質問の答えにならない別の回答をして申し訳ありません - 単なる別の観察ですが - 「Fit Curve」プラットフォームを使用して、非線形細胞増殖モデルを当てはめることができます。
Re: 時間依存変数を使用した多重線形回帰モデルの自己相関はい！ 相関関係の検定統計量は約 0.4、p 値 < 0.001 です。
Re: 時間依存変数を使用した多重線形回帰モデルの自己相関再確認してください: Durbin-Watson オプションは検定統計を表示します。p 値を表示するオプションは、関連する赤い三角形にあります (質問に対する直接の答えではなく、テストが誤解されやすいという単なる観察です)。
