JMP 커뮤니티 여러분,
저는 과도하게 분산된 제로 인플레이션 카운트 데이터를 사용하여 모델을 구축하는 문제에 직면했습니다. 이 문제를 해결하는 데 도움을 주시면 좋겠습니다.
이 게시물에 학습 및 검증 데이터 세트를 모두 첨부했습니다. 제 목표는 학습 데이터 세트에서 모델을 빌드하고 검증 데이터 세트를 사용하여 검증하는 것입니다. 저는 이전에 그런 카운트 데이터로 작업한 적이 없으므로 검증 카운트 데이터 모델을 모릅니다.
훈련 데이터 세트에서,
- x1~x9 열은 내 주요 효과 예측 변수입니다.
- “ _quad ” 접미사가 있는 열은 내 2차 효과 예측자입니다.
- “ int_ ” 접두사가 붙은 열은 내 상호작용 용어입니다.
- Y열은 내 카운트 응답입니다.
저는 다음 추정 방법을 기반으로 ZINB(zero-inflated negative binomial) 회귀 분석을 실행했습니다.
- 올가미
- 더블 라소
- 적응형 올가미
- 적응형 더블 라소
- 모든 것 올가미
- 탄성망
- 적응형 탄성망
- 산등성이
라쏘 기반 모델은 " ZINB - 라쏘 선택 " 스크립트를 실행하여 얻을 수 있고, 탄성 네트 기반 모델은 " ZINB - 탄성 네트 선택 " 스크립트를 실행하여 얻을 수 있습니다.
대부분의 모델에 기반한 예측은 열로 추출되었습니다.
다음 사항에 대해 여러분의 도움이 필요합니다.
- 제로 인플레이션의 존재 여부를 어떻게 테스트합니까? 그리고 이 테스트 결과를 어떻게 해석합니까?
- 과분산의 존재 여부를 어떻게 테스트합니까? 그리고 이 결과를 어떻게 해석합니까?
- 다양한 추정 방법에 대해, 모델의 적합성을 더 잘 얻으려면 어떤 매개변수를 조정해야 합니까?
- 검증 데이터 세트를 사용하여 위에서 언급한 예측을 어떻게 검증합니까? 0 카운트와 0이 아닌 카운트의 예측을 검증하고 싶습니다.
저는 JMP Pro 17.1.0을 사용하고 있습니다
조언 부탁드립니다.
감사합니다.
