Kann ich das Auswahlverfahren für die beste Teilmenge verwenden, um erklärende Variablen für die nominale logistische Regressionsanalyse in JMP auszuwählen?Alle
Danke dir immer
Derzeit muss ich alle möglichen Kombinationen (511 Muster) von 9 erklärenden Variablen mithilfe der Methode der nominalen logistischen Regressionsanalyse ausprobieren. Es ist schwierig, alles manuell zu erledigen.
Gibt es in JMP ein System, das erklärende Variablen mithilfe eines solchen Auswahlverfahrens für die beste Teilmenge auswählen kann?
Es wäre sehr hilfreich, wenn Sie mir Bescheid geben könnten.
Aufrichtig.
Erweiterte statistische ModellierungGrundlegende Datenanalyse und ModellierungZuverlässigkeitsanalyseBetreff: Kann ich das Auswahlverfahren für die beste Teilmenge verwenden, um erklärende Variablen für die nominale logistische Regressionsanalyse in JMP auszuwählen?Hallo @ErrorIguanodon1 ,
Willkommen in der Community!
Vielleicht könntest du mal einen Blick darauf werfen Prädiktor-Screening Plattform zur Identifizierung der wichtigsten Variablen unter den 9 erklärenden Variablen?
Auch der Stufenweise Regressionsmodelle Die auf der Plattform „Fit Model“ verfügbaren Daten können hilfreich sein, um die einflussreichsten Variablen auf die Antwort zu untersuchen (ein „Data-Mining“-Ansatz zur Auswahl der einflussreichsten Begriffe im Modell für Beobachtungsdaten).
Schließlich könnten einige andere Modelle interessant sein, wenn Sie über JMP Pro verfügen, um eine explorative Modellierung durchzuführen, zum Beispiel das Bootstrap-Wald.
Ich hoffe, diese Antwort wird Ihnen helfen,
Betreff: Kann ich das Auswahlverfahren für die beste Teilmenge verwenden, um erklärende Variablen für die nominale logistische Regressionsanalyse in JMP auszuwählen?Um Ihre spezifische Frage zu beantworten, wählen Sie „Analysieren“ > „Modell anpassen“ und ändern Sie dann die passende Persönlichkeit in „Generalisierte Regression“. Es bietet viele Methoden zur Modellauswahl, einschließlich der besten Teilmenge.
