Come scegliere i parametri di indipendenza per ottimizzare il modello di regressioneCiao a tutti,
Durante l'esecuzione del modello di adattamento, ho scoperto che la scelta di parametri diversi genera risultati diversi. Dopo aver ottenuto il modello, cerco di analizzare i punti dati con un residuo studentizzato elevato e di convalidarne la validità. Devo ripetere l'operazione di scelta dei parametri più volte per ottenere il modello corretto. Diamo un'occhiata a un esempio qui sotto.
Modello 1:
Modello 2:
Come potete vedere, il Modello 2 presenta molti punti dati con un Residuo Studentizzato elevato rispetto al Modello 1. Quando ho validato questi punti dati con un Residuo Studentizzato elevato, sono stati classificati come Scarsi. Sembra che il Modello 2 sia più robusto.
La mia domanda è: perché, nonostante 2 modelli abbiano punteggi RSquare elevati, il Modello 2 riesce a escludere più punti dati errati? Potrebbe essere dovuto ai parametri che ho scelto per creare il modello.
Domande:
-Se classifico i punti dati come Buoni/Cattivi in una nuova colonna del set di dati, esiste un metodo in JMP che possa suggerire quali parametri dovrei scegliere, in modo che il modello possa essere più robusto nell'eliminare i punti dati Cattivi?
-Se non classifico i punti dati, esiste un metodo in JMP che possa suggerire quali parametri dovrei scegliere, in modo che il modello possa essere più robusto per escludere i punti dati errati.
Spero di poter ricevere consigli dalla comunità
Apprezza
Modellazione statistica avanzataAnalisi e modellazione dei dati di baseModellazione predittiva e apprendimento automaticoRe: Come scegliere i parametri di indipendenza per ottimizzare il modello di regressioneIl mio consiglio è di fornirti maggiori informazioni. Certamente il tuo secondo modello sembra adattarsi meglio ai dati rispetto al primo, ma non credo che questo sia sufficiente per decidere quale modello (se mai uno dei due) utilizzare. Dici di aver scelto parametri diversi, ma credo tu intenda dire che hai scelto variabili diverse come fattori nel tuo modello. Decidere quali variabili utilizzare è una questione complicata, la cui risposta è solo in parte data da quanto bene il modello si adatta ai dati. Sembra che entrambi i modelli siano lineari, quindi ci sono diversi modelli non lineari che potresti provare, soprattutto se sei preoccupato per i valori anomali. Per quanto riguarda quei residui elevati, ho due considerazioni. In primo luogo, con così tanti dati dubito che i residui elevati influenzino molto il modello. In secondo luogo, dovresti spiegare perché sei preoccupato per i residui elevati (e un'opzione da provare sarebbe una trasformazione logaritmica).
In generale, avrei bisogno di sapere molto di più sulla tua variabile di risposta, sul tipo di dati che hai a disposizione e sugli scopi della tua analisi. Il "modello più adatto" è solo una parte dell'analisi. E la maggior parte delle misure di "migliore adattamento" si basa sulle medie piuttosto che su particolari tipi di osservazioni: la tua preoccupazione per i residui elevati sembra suggerire che alcuni punti siano più importanti di altri per te. In tal caso, un modello di regressione lineare potrebbe non essere il modello migliore da utilizzare (quei residui elevati non sono molto importanti: ad esempio, una regressione quantile potrebbe essere più appropriata se sei interessato all'accuratezza del tuo modello in particolari regioni di osservazioni piuttosto che in media).
Re: Come scegliere i parametri di indipendenza per ottimizzare il modello di regressione"quali sono gli scopi della tua analisi"
In genere, nella ricetta per realizzare il prodotto (peso) ho 5 fattori (temperatura, forza, altezza, spessore e tempo). La mia ipotesi è che, se avessi un set di dati storici sufficiente per i fattori (temperatura, forza, altezza, spessore e tempo) e la variabile dipendente (peso) considerata come un prodotto, potrei creare il modello e ottenere la formula del modello come y = b0 + b1x1 + b2x2 +.... Quindi applico questa formula al mio sistema di elaborazione online per confrontare il peso effettivo e il peso previsto dal modello. Non sono sicuro di aver ragione, ma ho ipotizzato che maggiore è il residuo, maggiore è la variazione anomala di uno o due fattori tra i fattori, causando un residuo elevato. Questo è il motivo per cui vorrei utilizzare un modello di regressione a questo scopo.
Tornando al mio esempio precedente, poiché avevo un set di dati storici e sapevo con certezza quale output fosse errato. Ho quindi eseguito il modello per verificare se il modello di regressione potesse escludere o meno i prodotti errati. Tra i due modelli precedenti, il modello 2 era quello che cercavo, poiché evidenziava punti dati con residui elevati. Tuttavia, per ottenere questo modello 2, ho dedicato molto tempo a effettuare diverse prove fino a ottenere il modello corretto.
Re: Come scegliere i parametri di indipendenza per ottimizzare il modello di regressioneSviluppare modelli basati su dati storici è sia impegnativo che pericoloso. Suggerisco di utilizzare i dati storici per sviluppare ipotesi che possano essere esplorate attraverso la progettazione sperimentale. I dati storici mancano di contesto. Ad esempio, conoscete gli errori di misurazione associati al valore di ciascuna x e Y? Sapete quali altri fattori si sono comportati durante la raccolta dei dati? Ci sono problemi di distorsione dei dati? Che dire dei potenziali effetti dei fattori ritardati? Che dire della variazione nelle materie prime? Sebbene il vostro ragionamento non sia sbagliato, è pericoloso. Se ottenete un valore residuo elevato, questo è indicativo di un problema del modello, non di dati "cattivi" come suggerite. Se cercate strumenti per valutare la coerenza del peso nel tempo, il campionamento è uno strumento più efficace.
Sebbene non esista un metodo corretto, quando si costruiscono modelli a partire da dati storici, di solito suggerisco un approccio additivo. Inoltre, questo non può essere fatto senza SME. Iniziare con il primo ordine e aggiungere ordine se necessario. Esistono diverse statistiche che possono essere d'aiuto (ad esempio, R-sq Adj, R-sq Adj-R-sq, RMSE, valori p, residui, AIC, BIC, ecc.). I residui sono i valori effettivi previsti (dal modello). Vengono utilizzati per fornire informazioni sulle ipotesi di base (NID(0, varianza costante). Sono utili per identificare i valori anomali, in cui il modello non riesce a prevedere correttamente specifici punti dati. Possono anche valutare problemi con l'ipotesi di errori casuali con media pari a 0, anche questo suggerisce problemi con il modello. Spesso possono rilevare inadeguatezze del modello, dove forse sarebbe opportuno introdurre un termine non lineare.
