다리오 쉬랄디: 회귀 모델을 어떻게 만들고 해석하나요?안녕하세요 여러분,
저는 Travel Works의 CEO인 다리오 쉬랄디입니다. JMP에서 회귀 모델 작업을 시작하려고 하는데 조언을 구하고 싶습니다.
견고한 회귀 모델을 만드는 데 어떤 접근 방식을 사용하시나요? 그리고 계수, p값, 진단과 같은 주요 결과를 어떻게 해석하시나요?
주의해야 할 팁이나 일반적인 함정이 있나요? 또한, 어떤 JMP 기능이나 시각화가 모델을 이해하는 데 가장 도움이 된다고 생각하시나요?
문안 인사
Travel Works의 CEO Dario Schiraldi
다리오 쉬랄디
자동화 및 스크립팅Re: 다리오 쉬랄디: 회귀 모델을 어떻게 만들고 해석하나요?안녕하세요 @darioschiraldi1 님 ,
커뮤니티에 오신 것을 환영합니다!
이 포럼에서 간결하게 답변하기에는 너무 일반적인 이러한 광범위한 질문에 대한 답변을 얻으려면 먼저 몇 가지 자료를 시청하고 읽어보시기 바랍니다.
STIPS 모듈 1: 통계적 사고와 문제 해결
STIPS 모듈 2: 탐색적 데이터 분석
STIPS 모듈 4: 데이터를 활용한 의사 결정
STIPS 모듈 5: 상관관계 및 회귀
STIPS 모듈 7: 예측 모델링 및 텍스트 마이닝
회귀 모형의 가정과 함정을 더 잘 이해하려면 통계 지식 포털 | 통계 소개 | JMP를 방문하세요.
이 첫 몇 가지 자료가 도움이 되기를 바랍니다.
Re: 다리오 쉬랄디: 회귀 모델을 어떻게 만들고 해석하나요?@빅터_G 님의 답변에 동의합니다. 하지만 좀 더 일반적인 조언을 드리자면... 문제 해결 과정의 어느 시점에서 모델링을 염두에 두고 데이터 분석 작업을 할 때, 저는 항상 모델링 전에 데이터를 플로팅하는 것부터 시작했습니다. 어떤 플로팅을 할지는 응답 변수와 예측 변수 모두의 데이터에 따라 달라지며, 연속형, 명목형, 순서형 등입니다. 하지만 이 정도만 말씀드릴 수 있습니다. 저는 항상 Distribution 플랫폼으로 시작했기 때문에 예측 변수와 응답 변수 모두에 대해 다음과 같은 내용을 알고 있었습니다.
1. 중간은 어디인가요?
2. 데이터는 얼마나 분포되어 있나요?
3. 모양은 어떻게 생겼나요?
4. 이후 분석에 문제를 일으킬 만한 재밌는 점, 의심스러운 점, 특이한 점이 있나요?
이 마지막 질문은 온갖 종류의 데이터 정리, 재코딩, 이상치 결정 등으로 이어질 수 있습니다. 한 가지 작은 예를 들어, 여행자 시민권이 예측 변수 중 하나이고, 여러 데이터베이스에서 데이터를 가져온다고 가정해 보겠습니다. 한 데이터베이스에서는 여행자 시민권이 'USA'이고, 다른 데이터베이스에서는 'American'이라고 되어 있을 수 있습니다. 그러면 JMP는 이 시나리오를 두 가지 다른 수준의 시민권으로 처리할 것입니다. 제 생각에는 그런 식으로 처리하고 싶지는 않을 겁니다.
데이터가 정리되고 사용하기 편리해지면... 항상 예측 변수와 반응 변수의 산점도를 최소한 어느 정도 그려야 했습니다. JMP에는 여러 플랫폼이 있으며, 시각화 수정도 매우 유연하게 가능합니다. 그래프 빌더, Fit Y by X, 다변량 플랫폼 모두 유용한 기능을 제공합니다.
그런 다음 이러한 플롯을 보고 다음과 같은 유형의 질문을 던지세요.
1. 이것들이 물리적으로 의미가 있나요?
2. 이상하거나 의심스러운 관계가 있나요?
3. 추가 조사가 필요한 이상치가 있습니까?
4. 어떤 유형의 회귀 기술이 효과적일 수 있을까요?
5. 예측 변수들 사이에 다중공선성의 증거가 있습니까?
그런 다음 이러한 질문에 대한 답변을 바탕으로 데이터가 여전히 깔끔하고 합리적으로 보이는 한... 마지막으로 모델링을 시작합니다.
도움이 되길 바랍니다.
Re: 다리오 쉬랄디: 회귀 모델을 어떻게 만들고 해석하나요?다리오, 제 생각에는 잘못된 질문을 하고 있습니다. 어떤 질문에 답하고 싶으신가요? (예: 수요 예측에 영향을 미치는 요인은 무엇인가요? 또는 여행 지연에 영향을 미치는 요인은 무엇인가요?) 어떤 가설에 대한 통찰력을 얻고 싶으신가요? (예: 항공권 구매 시점(요일, 공휴일 등)은 공급업체(예: 항공사)에서 사용하는 동적 가격 책정 모델로 인해 가격에 영향을 미칩니다.)
상황을 파악한 후, 이 노력에 도움이 될 도구를 선택하세요. 비유가 좀 죄송하지만, 회귀 분석으로 조사를 시작하는 것은 마치 "망치가 있잖아. 이걸로 뭘 때릴 수 있는지 보자"와 같습니다.
맥락을 이해하지 않고 데이터 세트에 회귀 분석을 적용하는 것은 매우 위험합니다 . 과거를 모델링하는 능력은 미래를 예측하는 데 무용지물이 될 수 있습니다(예: 과거가 미래를 예측하지 못할 수도 있습니다). 회귀 분석 방법을 적용하기 전에 데이터 소스, 데이터 유형, 데이터 수집 방식, 측정 오차 등을 이해해야 합니다.
저는 빅터와 피트의 제안에 모두 동의합니다.
