JMP 버전 17
적합 모델 pValues에 대한 질문이 있습니다.
적합 모델에 상호 작용을 넣은 다음 "단계별" 성격을 수행할 때. pValue 임계값을 사용하여 관련 없는 상호 작용을 제거할 수 있습니다. 아래를 참조하십시오.
여기에 Pvalue가 0.1보다 큰 모든 상호 작용을 제거하도록 회귀 세트가 있습니다. 그러나 "표준 최소 제곱" 특성과 "효과 레버리지" 강조로 모델을 만들려고 하면 방금 회귀 제어에서 본 것과 동일한 상호 작용에 대해 0.1 이상의 Pvalue를 얻습니다. 왜? 아래를 참조하십시오.
또한 최악의 상호 작용(가장 높은 pValue를 기반으로 함)을 제거하면 다른 일부 상호 작용의 pValue가 향상되어 삭제 전에는 그렇지 않았지만 통계적으로 유의미해질 정도입니다. 제거된 상호 작용이 있다고 가정합니다. 일부 효과와 그 효과는 다른 변수에 재분배되어야 하지만 이것이 왜 그렇게 큰 차이를 만드는지 또는 실제로 무슨 일이 일어나고 있는지 이해할 수 없습니다. 아래를 참조하십시오(예, 일치하는 색상은 두 개의 "효과 요약" 이미지에서 동일한 상호 작용을 나타냅니다).
저는 화학자이며 통계에 대한 가장 기본적인 지식만 가지고 있습니다. 따라서 이것은 숙련된 사용자에게는 충분히 간단한 답변일 수 있지만 이러한 모델에 대해 맹목적으로 달리고 있는 것 같습니다. 당신의 모델이 좋다는 것을 실제로 어느 시점에서 알 수 있습니까? 특정 변수를 언제 제거해야 하는지 알고 계십니까? 순전히 통계에 근거하여 특정 상호 작용을 제거하는 이유는 무엇입니까?
도움을 주시면 감사하겠습니다. 감사합니다.
간단한 대답은 모든 모델과 후속 유의값이 모델의 항에 따라 달라진다는 것입니다.모형의 항을 변경하면 통계가 변경될 가능성이 높습니다.이제 귀하의 상황에 대한 컨텍스트가 없습니다(예: 이 관찰 데이터입니까 아니면 설계된 실험에서 나온 것입니까?).관찰 데이터(샘플링 계획이 아님)를 사용하는 경우 다른 문제가 있을 수 있습니다.다중 공선성을 테스트해 보셨습니까?(모수 추정 테이블을 마우스 오른쪽 버튼으로 클릭하면 VIF를 선택하여 이 문제를 살펴볼 수 있습니다.) 모델 구축에 대한 제 조언은 SME부터 시작하라는 것입니다.모형에 있는 항을 뒷받침하는 가설은 무엇입니까?이러한 가설에 대한 통찰력을 얻기 위해 샘플링 계획/DOE를 설계합니다.반복을 계획하십시오.적절한 모델 효과(예: p-값)를 결정하기 위해 하나의 통계에만 의존하지 않습니다.모델의 여러 요소(예: R-제곱-R-제곱 조정 델타, RMSE, 잔차)를 평가하고 공학/과학을 끄지 않아야 합니다.
