시간 종속 변수가 있는 다중 선형 회귀 모델의 자동 상관모두 안녕
몇 주에 걸친 연구에서 다중 선형 회귀 모델을 생성하려고 합니다. 요인 중 하나는 세포 연령이며 이는 반응에 상당한 영향을 미치는 것으로 보입니다. Residuals vs Row 플롯을 보고 Durbin-Watson 테스트를 수행할 때 데이터가 독립적이지 않은 것처럼 보입니다(즉, 자동 상관이 존재함). 그러나 세포 나이는 시간 의존적 요인이므로 자기 상관이 예상되지 않습니까? 이 경우 어떻게든 자동 상관 관계를 수정해야 하며 그렇게 하기 위한 JMP 옵션이 있습니까?
감사합니다!
해석학Re: 시간 종속 변수가 있는 다중 선형 회귀 모델의 자동 상관안녕 데이비드,
귀하의 답변과 설명에 감사드립니다. 보내주신 링크는 일반적으로 MLR에 대한 훌륭한 리소스로 보입니다. 제 데이터로 한번 해보겠습니다.
다시 한번 감사합니다!
Re: 시간 종속 변수가 있는 다중 선형 회귀 모델의 자동 상관이 토론에 다른 기여가 있었으면 좋았을 텐데, 7월 4일이라 포럼이 한산한 것 같습니다.
자기상관의 일반적인 의미는 표준 오차가 과소 평가되는 경향이 있어 통계적 추론에 영향을 미친다는 것입니다.
한 가지 접근 방식은 오류의 자동 회귀 표현을 사용하는 회귀 모델(즉, 자기 상관을 설명하는 오류에 대한 시계열 모델)을 사용하는 것입니다.
다음은 유용한 토론입니다.
https://online.stat.psu.edu/stat462/node/189/
좋은 소식은 기사 하단에 데이터, 계산 및 결과를 포함한 실제 예를 제공한다는 것입니다.작업된 예제는 Cochrane-Orcutt 절차를 기반으로 합니다.
JMP를 사용하여 절차를 진행할 수 있었고 각 단계에서 결과가 일치했습니다.
그들의 예를 들어 직접 시도해 볼 수 있습니다.한 가지 해야 할 일은 잔차의 간단한 자기회귀 모델에 대한 열 수식을 구성하는 것입니다. 이는 JMP의 시차 함수에 익숙하다면 할 수 있는 작업입니다.
이 절차가 도움이 될 수 있다고 생각하지만 막히면 알려주세요. 시퀀스를 비디오로 녹화할 수 있습니다.
Re: 시간 종속 변수가 있는 다중 선형 회귀 모델의 자동 상관안녕 @David_Burnham , 귀하의 답변에 감사드립니다! 나는 실제로 과거에 Cell Growth 4P 모델을 (다른 목적으로) 사용했는데 매우 잘 작동했습니다! 그러나 내가 달성하려는 것은 상당히 다릅니다. 아래에 더 많은 정보를 제공하고 있습니다.
현재 연구에서는 세포주의 생산성에 영향을 미칠 수 있는 다양한 요인을 살펴보고 있습니다. 범주형 및 연속형의 여러 요인이 있습니다. 범주적 요인에는 배지 유형, 배치 등이 포함되며 연속적 요인에는 세포가 계대배양된 횟수(위에서 "세포 연령"이라고 함) 및 배양 조건이 포함됩니다. 반응은 예를 들어 1주 프로세스 실행당 세포가 생산하는 관심 단백질의 양입니다. 예를 들어, 1주 초에 세포를 플라스크로 옮겨 프로세스를 시작하고 1주 말에 세포가 생산하는 단백질의 양을 측정합니다. 그것은 하나의 데이터 포인트가 될 것입니다. 그런 다음 더 많은 데이터 포인트를 수집하기 위해 몇 주 동안 이것을 반복합니다. 이제 세포가 후속 실행에서 점점 더 적은 단백질을 생산하는 것으로 밝혀지면 세포 연령이 내 최종 모델에서 통계적으로 중요한 요소가 될 것입니다. 내 질문은 이것이 자동 상관을 일으키지 않습니까? 만약 그렇다면, 그것을 바로잡으려고 노력해야 할까요, 아니면 그것이 연구에 내재되어 있다는 것을 그냥 받아들여야 할까요?
Re: 시간 종속 변수가 있는 다중 선형 회귀 모델의 자동 상관귀하의 질문에 대한 답변이 아닌 다른 답변을 드리게 되어 죄송합니다. 단지 또 다른 관찰일 뿐입니다. 'Fit Curve' 플랫폼을 사용하여 비선형 세포 성장 모델에 맞출 수 있습니다.
Re: 시간 종속 변수가 있는 다중 선형 회귀 모델의 자동 상관예! 상관관계에 대한 검정 통계량은 약 0.4이고 p-값 < 0.001입니다.
Re: 시간 종속 변수가 있는 다중 선형 회귀 모델의 자동 상관다시 확인해야 할 사항: Durbin-Watson 옵션은 테스트 통계를 표시합니다.그러면 p-값을 표시하는 옵션이 관련 빨간색 삼각형에 있습니다(질문에 대한 직접적인 답변이 아니라 테스트를 잘못 해석하기 쉽다는 관찰일 뿐입니다).
