안녕하세요 여러분
저는 커뮤니티의 신입 멤버입니다. 데이터에 대한 재귀 분석을 수행하는 업무를 맡게 되었습니다. JMP를 사용해 본 적도 없고 재귀 분석을 해본 적도 없습니다. 그래서 몇 가지 엉뚱한 질문을 드리겠습니다.
저희가 보유한 데이터는 로봇 수리입니다. 봇의 수리 이벤트 패턴을 확인하고 싶은데, 재발 분석을 사용하라고 하더군요(이유는 잘 모르겠습니다).
약 15,000개의 로봇이 있으므로 'bot_id', 'accumulated_transactions', 'site', 'cost', 'bot_type', 'component' 열을 사용했습니다. 'Site'에는 로봇이 작동하는 여러 위치가 포함됩니다. 'cost'는 0과 1 사이의 값을 가집니다(1은 수리를 의미하고, 0은 마지막으로 확인된 봇 이벤트를 의미합니다). 'component'는 수리 중인 여러 부분을 나타냅니다. site, bot_type, 그리고 parts가 mcf와 수리 패턴에 미치는 영향을 확인하고자 합니다. 저는 주로 Log Linear NHPP 모델을 사용합니다.
사이트가 MCF에 미치는 영향을 연구하려면 사이트를 '그룹화' 역할로 설정해야 할까요, 아니면 '원인' 역할로 설정해야 할까요? 어떤 사이트의 봇이 다른 사이트보다 더 빨리 손상되는지, 어떤 사이트가 다른 사이트보다 수리가 더 잘 되는지 알고 싶다면 어떻게 해야 할까요?
제가 이해하기로는 그룹화는 서로 배타적인 카테고리 요소를 위한 것인데, 봇이 동시에 두 위치에 있을 수 없는 것처럼요. 그래서 그룹화를 사용해야 하는데, ChatGPT에서 Cause를 제안하더군요. 어떤 게 맞는지 잘 모르겠네요.
또한, 스케일 및 형태 효과에 대한 열을 선택하는 방법에 대한 질문이 있습니다. 예를 들어 GPT에서 제안한 대로 사이트를 원인으로 선택하면 스케일 및 형태 효과에 대해 어떤 열이 선택될까요? 해당 사이트가 두 가지에도 영향을 미칠 수 있다고 생각했습니다. JMP에서도 사이트를 선택할 수 있습니다. 제 질문은 '원인', '스케일', '형태'로 사이트를 동시에 선택할 수 있는지입니다. 이렇게 하면 설명할 수 없는 결과가 생성됩니다(각 사이트의 MCF 행과 매개변수 추정표가 수백 개에 달하고, 모든 사이트(자신 포함)에 영향을 미칩니다). 그래서 그렇게 할 수 없는 것 같습니다.
그런 다음 '원인'으로 구성 요소(parts)를, 축척(scale)으로 위치(site)를, 형상 계수(shape factor)로 설정했습니다. JMP는 각 구성 요소에 대한 모델을 생성합니다. 로그 선형 NHPP(Non-Hyper-Property Model)에 적합시킨 후, 각 원인에 대한 모수 추정표가 생성됩니다. 문제는 MCF 곡선이 12개 구성 요소 x 20개 위치(sites)로 구성되어 수백 개의 선을 생성한다는 것입니다. 제가 또 잘못하고 있다는 생각이 들었습니다.
'원인' 역할을 사용하면 '크기'나 '모양' 효과기를 넣지 않아야 한다고 생각합니다. 그렇지 않으면 MCF 곡선이 너무 복잡해질 것입니다.
마지막으로 , 서로 다른 사이트를 비교하기 위해 사이트를 '그룹화'로 지정하고, 사이트를 '크기'와 '모양' 효과기로 지정하기로 했습니다.
다른 분석에서는 '원인'으로 구성 요소(부분)를 입력하여 부분 간 비교를 수행하고('척도'와 '형태'는 공백), 로컬 데이터 필터를 사용하여 각 지점을 필터링하여 서로 다른 구성 요소(부분) 원인을 가진 단일 지점에 대한 MCF를 생성했습니다. 이제 설계가 이해가 되시나요?
글이 길어서 죄송합니다.
