부정적으로 편향된 데이터JMP에서 다중 회귀 테스트를 실행하려고 하는데 잔차 데이터가 분포 가정을 충족하지 못했습니다. 왜도는 -1.21이고 첨도는 4.52이므로 데이터가 음수로 치우쳐 있습니다. 어떻게 진행하나요? (저는 다소 초보자입니다.) 우리는 로그나 제곱근과 같은 변환에 대해 배운 적이 없습니다. 잔여 데이터 열에 대한 수식으로 별도로 추가하여 이 두 가지를 모두 시도했지만 얻은 것은 열에서 작동하지 않는 점뿐이었습니다.
윈도우Re: 부정적으로 편향된 데이터나는 당신이 다중 회귀 분석을 수행했다고 가정합니다(여기서 "테스트"라는 단어는 해당 용어의 이상한 사용입니다). 그렇다면 가장 먼저 말씀드리고 싶은 것은 잔차가 그다지 걱정스러워 보이지 않는다는 것입니다. 다중 회귀 가정은 매우 관대합니다. 거의 만족되지 않지만 일반적으로 그다지 중요하지 않습니다. 그러나 잔차가 치우쳐 있는 정도에는 로그 변환을 시도하는 것이 당연합니다. 이를 수행하는 가장 쉬운 방법은 Y 변수를 응답 변수 상자에 넣고 해당 창에서 "변환" 옆에 있는 드롭다운을 클릭하고 로그를 요청하는 것입니다. 그런 다음 사용했던 것과 동일한 모델 효과를 사용하십시오.
내 생각에는 잔차에 음의 왜곡이 있기 때문에 로그 변환이 여기서 상황을 크게 개선하지 못할 수 있다는 것입니다(양의 왜곡에 더 적합할 것이라고 생각합니다). 따라서 다른 변환을 시도해 볼 수도 있습니다. 그러나 내가 말했듯이 잔차가 모델을 수정할 필요가 별로 없어 보인다고 생각합니다. 모델의 다른 측면을 살펴보겠습니다(효과에 대한 계수가 중요하고 타당합니까? 전체 모델이 적합합니까? 사용하지 않은 다른 데이터가 있습니까? 잔차 그림은 어떻게 보입니까?) 예 - 분산이 합리적으로 무작위입니까?) 잔차 분포에 대해 너무 걱정하기 전에.
Re: 부정적으로 편향된 데이터Box-Cox 변환을 살펴보고 싶을 수도 있습니다.
Re: 부정적으로 편향된 데이터안녕하세요 @StacyKJones , 저는 @txnelson이 여기에 있는 Box Cox 옵션에 대해 제안한 내용을 두 번째로 설명합니다.
이를 통해 최상의 변환을 찾을 수 있을 뿐만 아니라 모델을 새로운 분석 창으로 다시 맞춤화하여 두 모델을 비교하여 변환이 어떻게 개선되었는지 확인할 수 있습니다. 또한, 프로파일러의 원래 단위로 단위를 유지하는 것은 좋은 일입니다.
스티브
Re: 부정적으로 편향된 데이터@dlehman1 과 @txnelson 의 응답(동의함)에 추가할 유일한 것은 통계에 대해서는 잠시 잊어버리자는 것입니다. 그리고 실용성을 다루세요. 결국, 최종 모델로 실제 문제를 해결/해결할 수 있다면... 누가 통계에 관심이 있습니까? 저는 실무 통계학자로 업계에서 왔습니다. 제가 속한 팀은 문제를 해결하기 위해 급여를 받았습니다. 다양한 통계 방법과 관련된 모든 '가정'을 만족하는 완벽한 모델을 얻지는 못했습니다.
