一般化回帰モデル

変数選択によってモデルを構築する

「モデルのあてはめ」プラットフォームの「一般化回帰」手法は、JMP Proのみで使用できます。

JMP Proの「モデルのあてはめ」プラットフォームで提供されている「一般化回帰」手法は、回帰分析の枠組みにおいて、パラメータ推定値を縮小（shrink; 収縮）させたり、変数選択を行ったりします。この手法は、相関の高い説明変数が多数あるようなデータで役立ちます。用意されている方法のうち、Lassoと弾性ネットは、パラメータ推定値を縮小させるとの同時に、変数選択も行います。

相関の高い説明変数が多数あるデータでは、一般的に、多重共線性の問題が生じます。最近のデータでは、標本サイズよりも変数の個数の方が多いこともあります。そのような場合は、変数を選択する必要があります。しかし、多重共線性や説明変数が多数あることにより、従来の方法ではうまく分析できないことがあります。

実験計画で得られたデータなどの、小規模で相関があまりないようなデータでも、Lassoや弾性ネットは役立ちます。予測モデルを作成する場合や、モデルに含める変数を選択する場合にこれらの方法は役立ちます。

「一般化回帰」手法は、さまざまなモデルをサポートしています。「一般化回帰」手法では、応答変数の分布として、さまざまな分布を用意しています。たとえば、正規分布（応答が連続尺度のとき）、二項分布やPoisson分布（応答が度数のとき）、ゼロ強調（zero inflated）の分布が用意されています。「一般化回帰」は、説明変数を取捨選択したい場合や、説明変数に共線性がある場合に役立ちます。また、これらのモデルを、最尤法に基づく従来のモデルと比較するのにも使えます。

図6.1 弾性ネットのパラメータ推定値の経路 

目次

一般化回帰手法の概要

一般化回帰の例

「一般化回帰」手法の起動

分布

「一般化回帰」レポートウィンドウ

「一般化回帰」レポートのオプション

「モデルの設定」パネル

応答変数の分布

「推定法」のオプション

詳細設定

「検証法」のオプション

早期打ち切り

実行

モデルのあてはめ結果に関するレポート

回帰プロット

モデルの要約

推定値の詳細

パラメータ推定値の経路

標準化した説明変数に対する推定値

元の説明変数に対する推定値

非ゼロの推定値

効果の検定

あてはめたモデルに対するオプション

一般化回帰手法の統計的詳細

推定法の統計的詳細

「詳細設定」の統計的詳細

分布の統計的詳細

より詳細な情報が必要な場合や、質問があるときは、JMPユーザーコミュニティで答えを見つけましょう (community.jmp.com).