로그선형 분산 모델 불일치안녕하세요,
로그선형 분산 모델을 사용하는 동안 분산 모델에 대한 모델에 불일치가 있습니다. 상황을 설명하기 위해 아래에 예를 들어봤습니다.
Loglinear Variance를 사용하여 2개의 모델을 구축합니다.
모델 1: 반응 A. 요인 A, B, C.
모델 2: 반응 A, B. 요인 A, B, C.
참고: 반응 A와 요인 A,B,C는 모델 1과 2 모두에 대해 동일한 데이터입니다.
모델 1과 모델 B를 비교하면서 응답 A에 대한 평균 모델과 분산 모델에 중점을 둡니다.
응답 A의 평균 모델은 모델 1과 모델 2(녹색 배경) 간에 정확히 동일합니다.
그러나 모델 1과 모델 2(빨간색 배경) 사이의 응답 A에 대한 분산(또는 Stdev) 모델은 완전히 다릅니다.
비교는 동일한 요인 설정과 동일한 스케일링을 사용하여 수행됩니다.
모델에 다른 응답을 추가하면(이 경우 응답 A가 있는 모델에 응답 B를 추가) 분산 모델이 달라지는 것 같습니다. 응답 A와 B는 독립적이므로 서로 영향을 주어서는 안 됩니다.
Loglinear Variance가 있는 이 상황은 정상으로 간주되고 신뢰할 수 있습니까?
조언해주셔서 감사합니다.
브르,
크리스
고급 통계 모델링Re: 로그선형 분산 모델 불일치안녕하세요 @ChrisLooi 님 ,
한 가지 예비 사항: 귀하의 응답을 개별적으로 측정할 수 있더라도 두 응답 간에 강한 상관 관계가 볼 수 있으므로 엄격하게 독립적이지는 않습니다.
그런 다음 제공된 데이터 테이블을 잠깐 살펴본 결과 응답 B에 대해 누락된 값이 많이 있음을 발견했습니다.
일부 행이 동일해야 합니까, 아니면 응답 A와 B 사이의 데이터에 서로 다른 세분성/세부 사항 수준이 있습니까?
B의 누락된 값으로 인해 문제가 발생할 수 있다고 생각합니다.
다음은 "있는 그대로" 두 가지 응답을 포함하는 프로파일러입니다(이전에 표시한 것과 동일).
그러나 값 누락을 방지하기 위해 "응답 B" 열에 대해 자동화된 데이터 대치 기술을 수행할 때(그리고 이 대치된 응답 B를 두 번째 응답으로 사용) 프로파일러는 응답 A와 B에 대해 더 나은 동작을 보여줍니다(그리고 응답 A의 프로파일러는 이제 동일합니다). 응답 A가 모델링된 유일한 응답인 경우 프로파일러에 전달:
또한 B에 대한 누락된 값이 있는 행을 숨기고 제외하여 동일한 동작을 갖는 프로파일러를 가질 수 있으며, 응답 A 및 B에 대한 전체 정보가 있는 행만 모델링에 유지합니다.
따라서 데이터 테이블에서 누락된 값을 채우거나 이를 대치하거나 응답 A와 B 사이에 불완전한 정보가 있는 행을 제외하기 위해 수정 작업이 있을 수 있습니다. 데이터의 세분성 차이(결과 누락 값)가 원인일 수 있습니다. 프로파일러에서 볼 수 있는 변화는 두 반응 모두에 대해 동일한 모델을 암시하지만 B열의 제한된 정보량은 분산 모델을 방해합니다( 평균 모델보다 모델의 각 항에 대해 더 많은 관찰이 필요하기 때문입니다). 모델)
또한 두 개의 반응을 다른 모델(분산 모델에 사용할 수 있는 관측치가 적기 때문에 반응 B의 경우 더 작은 모델)을 사용하여 독립적으로 맞출 수도 있습니다(하나의 반응에 대해서만 플랫폼 실행).
첨부된 데이터 테이블과 사용된 스크립트는 다음과 같습니다.
Re: 로그선형 분산 모델 불일치안녕하세요 빅터,
답장을 보내 주셔서 감사합니다.
여기에 데이터 파일을 첨부했습니다.
모델은 아래의 효과를 사용하여 구축되었습니다.
1. 반응 표면 효과를 이용한 평균 모델.
2. 반응표면효과 + 큐빅효과를 이용한 분산모델.
나는 또한 다음을 시도했습니다.
1. 최대 2도까지 요인 효과를 사용한 평균 모델.
2. 최대 2도까지 Factorial 효과를 이용한 Variance Model.
그럼에도 불구하고 분산 모델은 여전히 다릅니다.
브르,
크리스
Re: 로그선형 분산 모델 불일치안녕하세요 @ChrisLooi 님 ,
저는 JMP 샘플 데이터세트인InjectionMolding.jmp를 사용하여 상황을 재현하고 새로운 응답 열과 두 개의 모델을 생성하려고 했습니다. 하나는 Shrinkage 응답이고 다른 하나는 Shrinkage 및 Shuffle[Shrinkage] 응답이었으며 두 모델 모두에서 동일한 용어를 사용했습니다.
Loglinear Variance를 사용하여 하나 또는 두 개의 응답으로 모델을 생성할 때 프로파일러에는 차이가 없습니다.
Fit Model 창의 Variance Effects 패널에 동일한 용어가 있습니까?
문제를 재현할 수 있는 익명화된 데이터세트를 공유해 주실 수 있나요?
어떤 버전의 JMP를 사용하시나요?
Re: 로그선형 분산 모델 불일치안녕하세요 @ChrisLooi 님 ,
저는 JMP 샘플 데이터세트인InjectionMolding.jmp를 사용하여 상황을 재현하고 새로운 응답 열과 두 개의 모델을 생성하려고 했습니다. 하나는 Shrinkage 응답이고 다른 하나는 Shrinkage 및 Shuffle[Shrinkage] 응답이었으며 두 모델 모두에서 동일한 용어를 사용했습니다.
Loglinear Variance를 사용하여 하나 또는 두 개의 응답으로 모델을 생성할 때 프로파일러에는 차이가 없습니다.
Fit Model 창의 Variance Effects 패널에 동일한 용어가 있습니까?
문제를 재현할 수 있는 익명화된 데이터세트를 공유해 주실 수 있나요?
어떤 버전의 JMP를 사용하시나요?
Re: 로그선형 분산 모델 불일치안녕하세요 빅터,
답장을 보내 주셔서 감사합니다.
여기에 데이터 파일을 첨부했습니다.
모델은 아래의 효과를 사용하여 구축되었습니다.
1. 반응 표면 효과를 이용한 평균 모델.
2. 반응표면효과 + 큐빅효과를 이용한 분산모델.
나는 또한 다음을 시도했습니다.
1. 최대 2도까지 요인 효과를 사용한 평균 모델.
2. 최대 2도까지 Factorial 효과를 이용한 Variance Model.
그럼에도 불구하고 분산 모델은 여전히 다릅니다.
브르,
크리스
Re: 로그선형 분산 모델 불일치안녕하세요 @ChrisLooi 님 ,
한 가지 예비 사항: 귀하의 응답이 개별적으로 측정되더라도 두 응답 간에 강한 상관관계가 나타나기 때문에 엄격하게 독립적인 것은 아닙니다.
그런 다음 제공된 데이터 테이블을 잠깐 살펴본 결과 응답 B에 대해 누락된 값이 많이 있음을 발견했습니다.
일부 행이 동일해야 합니까, 아니면 응답 A와 B 사이의 데이터에 서로 다른 세분성/세부 사항 수준이 있습니까?
B의 누락된 값으로 인해 문제가 발생할 수 있다고 생각합니다.
다음은 "있는 그대로" 두 가지 응답을 포함하는 프로파일러입니다(이전에 표시한 것과 동일).
그러나 값 누락을 방지하기 위해 "응답 B" 열에 대해 자동화된 데이터 대치 기술을 수행할 때(그리고 이 대치된 응답 B를 두 번째 응답으로 사용) 프로파일러는 응답 A와 B에 대해 더 나은 동작을 보여줍니다(그리고 응답 A의 프로파일러는 이제 동일합니다). 응답 A가 모델링된 유일한 응답인 경우 프로파일러에 전달:
또한 B에 대한 누락된 값이 있는 행을 숨기고 제외하여 동일한 동작을 갖는 프로파일러를 가질 수 있으며, 응답 A 및 B에 대한 전체 정보가 있는 행만 모델링에 유지합니다.
따라서 데이터 테이블에서 누락된 값을 채우거나 이를 대치하거나 응답 A와 B 사이에 불완전한 정보가 있는 행을 제외하기 위해 수정 작업이 있을 수 있습니다. 데이터의 세분성 차이(결과 누락 값)가 원인일 수 있습니다. 프로파일러에서 볼 수 있는 변경 사항입니다.
첨부된 데이터 테이블과 사용된 스크립트는 다음과 같습니다.
