실제 효과를 놓치는 것은 나쁘지만 잘못된 효과를 식별하는 것은 더 나쁠 수 있습니다.Robert Anderson JMP 수석 시스템 엔지니어
과학자와 엔지니어는 프로세스나 제품에 가장 적합한 모델을 찾고 실제로 중요한 요소와 그렇지 않은 요소를 정확하게 식별할 수 있어야 합니다. 종종 가장 큰 우려는 중요하거나 필수적인 요소를 놓칠 것이라는 점입니다. 그러나 더 교묘하고 잠재적으로 더 나쁜 문제는 통계 모델링 방법이 통계적으로 유의미하지만 실제로는 활성화되지 않은 요인을 자주 식별한다는 것입니다. 이러한 가짜 효과를 확인하면 귀중한 과학 및 엔지니어링 자원이 이러한 잘못된 효과에 대한 추가 조사에 낭비되는 결과를 낳습니다. 결함이 있는 모델과 비정품 효과가 인식되기까지는 상당한 시간과 자원이 필요할 수 있습니다. JMP Pro의 홀드백 검증 방법은 상대적으로 작은 데이터 세트에서도 이 모델의 피팅 문제를 억제하는 강력한 방법을 제공합니다. 시뮬레이션된 데이터 세트를 사용하여 이 문서에서는 가짜 효과를 감지하는 문제가 얼마나 자주 그리고 쉽게 발생할 수 있는지, 그리고 홀드백 검증이 이 문제를 효과적으로 억제할 수 있는 방법을 보여줍니다. 그러나 홀드백 검증은 마법의 총알이 아니며 제대로 작동하지 않는 몇 가지 예도 표시됩니다.
예측 모델링
