에서 JMP Pro 11, 우리는 혼합형 다양한 공분산 구조와 무작위 효과가있는 모델에 적합한 플랫폼. JMP Pro 12에서는 공간적 공분산 구조를 가진 모델에 눈에 띄는 변화가 생겨이 플랫폼에서 개선되었습니다. 이러한 변경 사항은 아래에 자세히 설명되어 있습니다.
향상된 속도
공간 공분산을 사용하는 모델을 피팅하는 것은 특히 관측 수가 증가함에 따라 높은 계산 비용을 필요로합니다. JMP Pro 12의 경우 Fit Mixed 플랫폼에서 모델을 맞추기 위해 사용하는 알고리즘이 다음과 같이 개선되었습니다. 크리스 고트 월트 , JMP의 통계 연구 개발 국장. 그의 작업은 Fit Mixed에서 모든 모델에 맞는 계산 횟수를 줄였습니다. 따라서 특히 공간 모델을 맞추는 데 필요한 시간이 크게 단축되었습니다.
우리의 테스트에서 우리는 이러한 공간 모델에 적합 할 때 5 배에서 15 배까지 향상된 속도를 경험했습니다. 실용적인면에서 볼 때 이것은 완료하기까지 한 시간 이상 걸린 결과를 10 분 내에 완료 한 것입니다.
변형
우리는 또한 변종 JMP Pro 12에서는 공간 상관 관계를 검사하고 진단하는 시각적 도구입니다. Variogram은 당신이 등방성의 공간 모델 (AR (1) 또는 Power, Exponential, Gaussian 또는 Spherical 중 하나 또는 Nugget없이). 아래의 variogram은 관측 위치가 시간이나 공간에서 떨어져 이동할 때 공분산의 변화를 시각화합니다.
배리어 그램은 반 변형 두 위치에서의 관측치와 해당 위치 간의 거리의 차이의 절반 (분산의 절반)입니다. 위의 그림에서 볼 수 있듯이, 서로 가까운 관측치는 강한 상관 관계를 가지고 있으므로 작은 반감을 보입니다.
이 상관 관계는 거리가 증가함에 따라 감소하여 반 변이가 증가합니다. Semivariance는 더 이상 알려지지 않은 부분에서 증가하지 않습니다. 범위 관측치가 거의 상관 관계가없는 거리. 위의 바리오 그램에서 이것은 대략 0.25의 거리에 있습니다.
semivariance의 최대 값은 창틀 , 그리고 대부분의 경우 모델이 JMP Pro에 적합하므로 이는 단순히 관측치의 차이 일뿐입니다. 비 공간 오차가있는 경우,이 변동성을 추정하기 위해 너겟이 포함될 수 있습니다. 너깃 효과는 아래의 변동 표에 나와 있습니다.
반자동은 거리 0에서 제로이지만, 반자성은 위치 간 거리가 양수가되면 즉시 너겟으로 점프합니다. 위의 변동 표에서 너겟은 약 0.5입니다.
잔여 모델
Variogram은 당신이 잔여 모델 . 이 옵션은 아래에서 액세스됩니다. 한계 모델 추론 :
이 옵션을 선택하고 시간 또는 공간에서 거리를 계산하는 데 사용할 열을 지정하면 경험적 분포도 가 표시됩니다. Variogram 빨간색 삼각형 메뉴를 사용하면 하나 이상의 공간 모델을이 경험적인 분포에 맞출 수 있습니다.
이 경우, variogram은 spatial covariance가 residual only model에 추가되어야 하는지를 결정하는데 사용될 수 있습니다. 공간적 상관 관계가 없다면, 경험적인 편차는 평평하게 보일 것이며, 거리에 대한 상관 관계에 변화가 없음을 시사한다.
위의 경우, 거리가 증가함에 따라 경험적인 배리 그램이 증가한 것처럼 보입니다. 지수, 가우스 또는 구면 모델 중 하나가 적합 할 수 있습니다 (힘 모델은 경험적 배리어 그램에 잘 맞지 않는 것으로 보입니다). Fit Mixed를 사용하여 모델을 공식적으로 모델을이 상관 관계 구조의 각각에 적합시킨 후에, 우리는 지수 모델이 가장 작은 것을 선호한다는 것을 알게되었습니다 수정 된 Akaike 정보 기준 (AICc) 및 베이지안 정보 기준 (BIC). 즉, 배리어 그램을 사용하여 Fit Mixed에 공식적으로 적합 할 수있는 가능한 모델을 식별해야합니다. 이러한 적합성을 고려하여 AICc / BIC 비교를 통해 최상의 모델을 선택해야합니다.
향상된 속도와 베리 오그 그램 추가가 유용하다는 것을 알기를 바랍니다. 의견이나 질문에 대한 피드백을 기다립니다.
