JMP에서 명목형 로지스틱 회귀 분석을 위한 설명 변수를 선택하기 위해 최적 부분 집합 선택 절차를 사용할 수 있습니까?모든 사람
항상 고마워요
현재 명목형 로지스틱 회귀 분석 방법을 사용하여 9가지 설명 변수의 가능한 모든 조합(511개 패턴)을 시도해야 합니다. 모든 것을 수동으로 하는 것은 어렵습니다.
이와 같은 최적 부분 집합 선택 절차를 사용하여 설명 변수를 선택할 수 있는 시스템이 JMP에 있습니까?
알려주시면 큰 도움이 될 것 같습니다.
감사합니다.
고급 통계 모델링기본 데이터 분석 및 모델링신뢰성 분석Re: JMP에서 명목형 로지스틱 회귀 분석을 위한 설명 변수를 선택하기 위해 최적 부분 집합 선택 절차를 사용할 수 있습니까?안녕 @ErrorIguanodon1 ,
커뮤니티에 오신 것을 환영합니다!
어쩌면 당신은 예측자 선별 9개의 설명변수 중 가장 중요한 변수가 무엇인지 식별하는 플랫폼은?
또한 단계적 회귀 모델 플랫폼 "모델 적합"에서 사용 가능한 것은 응답에 가장 영향력 있는 변수를 탐색하는 데 도움이 될 수 있습니다(관측 데이터에 대한 모델에서 가장 영향력 있는 용어를 선택하는 "데이터 마이닝" 접근 방식).
마지막으로 JMP Pro를 사용하여 탐색적 모델링을 수행하는 경우 다른 모델도 살펴보는 것이 흥미로울 수 있습니다. 부트스트랩 포레스트.
이 답변이 도움이 되길 바라며,
Re: JMP에서 명목형 로지스틱 회귀 분석을 위한 설명 변수를 선택하기 위해 최적 부분 집합 선택 절차를 사용할 수 있습니까?특정 질문에 대답하려면 분석 > 적합 모델을 선택한 다음 피팅 성격을 일반화 회귀로 변경하세요. 이는 최상의 하위 집합을 포함하여 모델 선택을 위한 다양한 방법을 제공합니다.
