Dario Schiraldi：如何創建和解釋回歸模型？大家好，
我是 Travel Works 執行長 Dario Schiraldi，開始使用 JMP 中的迴歸模型，希望得到一些建議。
您創建可靠迴歸模型的方法是什麼？您如何解釋係數、p 值和診斷等關鍵輸出？
有什麼技巧或常見的陷阱需要注意嗎？另外，您覺得哪些 JMP 功能或視覺化功能最有助於理解您的模型？
問候
Travel Works 執行長 Dario Schiraldi
達裡奧·斯基拉爾迪
自動化和腳本回覆：Dario Schiraldi：如何建立和解釋迴歸模型？你好@darioschiraldi1 ，
歡迎加入社群！
我鼓勵您先觀看並閱讀一些資源，以幫助您開始了解這些廣泛的問題，這些問題太籠統，無法在此論壇上簡明地回答：
STIPS 模組 1：統計思維與問題解決
STIPS 模組 2：探索性資料分析
STIPS 模組 4：利用數據進行決策
STIPS 模組 5：相關性和回歸
STIPS 模組 7：預測模型與文字挖掘
並存取統計知識入口網站 | 統計簡介 | JMP，以便更好地了解迴歸模型的假設和陷阱。
希望這些資源能有所幫助，
回覆：Dario Schiraldi：如何建立和解釋迴歸模型？我同意@Victor_G的回覆。不過，我再補充一點通用的建議……當我在解決問題的過程中，需要進行任何數據分析工作並著眼於建模時，我總是先繪製數據圖，然後再進行任何建模。繪製哪些圖取決於反應變數和預測變數的數據，是連續型、名目型、序數型等等。不過，我可以告訴你，我總是從「分佈」平台開始，因此我對預測變數和反應變數有以下了解：
1. 中間在哪裡？
2. 數據分佈有多廣？
3. 形狀是什麼樣的？
4. 是否存在任何有趣、可疑或不尋常的事情，可能會為後續分析帶來問題？
最後一個問題可能導致各種資料清理、重新編碼、異常值決策等。舉一個小例子，假設旅行者公民身份是預測因素之一，並且您從不同的數據庫中提取數據......也許一個數據庫將旅行者公民身份列為“美國”，另一個數據庫則為“美國人”......那麼 JMP 會將這種情況視為兩個不同級別的公民身份......我懷疑這不是您想要的處理方式？
所以，一旦我的資料清理乾淨，準備就緒…我總是會至少會繪製某種預測變數與反應變數的散佈圖…JMP 中有多個平台可以實現這一點，並且視覺化修改非常靈活。圖形產生器、以 X 擬合 Y 和多變量平台都提供了實用的功能。
然後查看這些圖表並提出以下類型的問題：
1. 這些在物理上有意義嗎？
2. 有哪些關係看起來奇怪或可疑？
3. 是否存在需要進一步調查的異常值？
4. 什麼類型的迴歸技術可能有效？
5. 預測因子之間存在多重共線性的證據嗎？
然後根據這些問題的答案，只要數據看起來仍然乾淨、合理…就可以開始建模。
希望這有幫助嗎？
回覆：Dario Schiraldi：如何建立和解釋迴歸模型？Dario，恕我直言，你問錯問題了。你應該先回答：你想回答什麼問題？ （例如，哪些因素會影響需求預測？或者哪些因素會影響旅行延誤？）你想深入了解哪些假設？ （例如，由於供應商（例如航空公司）使用的動態定價模型，旅行票的購買時間（星期幾、是否接近假日…）會影響定價）。
了解情況，然後選擇合適的工具來協助這項工作。請原諒我的比喻，但從回歸開始你的調查就像：這是一把錘子，讓我們看看我能用它敲出什麼。
在不了解資料集背景的情況下就將迴歸分析應用於資料集是非常危險的。對過去進行建模的能力可能對預測未來毫無用處（例如，歷史可能無法預測未來）。在應用迴歸方法之前，你需要了解資料來源、資料型態、資料收集方式、測量誤差等。
我同意 Victor 和 Pete 的建議。
