Ciao a tutti,
Attualmente, sono piuttosto nuovo ai modelli di regressione. Attualmente, cerco di utilizzare il modello Fit per creare il mio modello di regressione. Il motivo è che vorrei escludere i punti dati errati in base ai dati storici. Ad esempio, ho un set di dati storici e creo il modello da questo set di dati. Dopo aver ottenuto il modello, cerco di prevedere l'output e confrontare la differenza tra i valori previsti e quelli effettivi. Maggiore è il residuo, maggiore è la probabilità che questo punto dati sia anomalo.
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
