JMP 14.2 联机文档
发现 JMP
使用 JMP
基本分析
基本绘图
刻画器指南
实验设计指南
拟合线性模型
预测和专业建模
多元方法
质量和过程方法
可靠性和生存方法
消费者研究
Scripting Guide
JSL Syntax Reference
该帮助的版本不再更新,请参见
https://www.jmp.com/support/help/zh-cn/15.2
获取最新的版本.
拟合线性模型
• 广义回归模型
上一个
•
下一个
广义
回归模型
使用变量选择方法构建模型
“拟合模型”平台的“广义回归”特质仅在 JMP Pro 中可用。
在 JMP Pro 中,“拟合模型”平台的“广义回归”特质提供了变量选择方法,其中包括专门用于解决高维相关数据建模的收缩方法。其中的两种方法(Lasso 和弹性网络)会将变量选择作为建模过程的一部分。
包含很多变量的大数据集通常显示多重共线性问题。如今的数据集可包含比观测值更多的变量,若使用传统建模方法,需要选择变量。多重共线性问题和存在大量预测变量凸显了传统方法的不足。
即使对于相关性不强或不相关的小数据集(包括设计实验),Lasso 和弹性网络也很有用。可利用它们来构建预测模型,或者选择用于模型简化或未来研究的变量。
“广义回归”特质对于很多建模情形都很有用。该特质允许您为响应变量指定各种分布。当您的响应是连续的、二项、计数或零泛滥时可以使用它。当您想选择变量或怀疑预测变量中存在共线性时可以使用它。更常见的是使用它来拟合模型,以将该模型与使用其他方法获得的模型进行比较。
图 6.1
弹性网络拟合的解路径
目录
“广义回归”特质概述
广义回归的示例
启动“广义回归”特质
分布
“广义回归”报表窗口
“广义回归”报表选项
“模型启动”控制面板
“估计方法”选项
高级控件
“验证方法”选项
提前停止
执行
模型拟合报表
回归图
模型汇总
估计详细信息
解路径
中心化和统一尺度的预测变量的参数估计值
原始预测变量的参数估计值
活跃参数估计值
效应检验
模型拟合选项
“广义回归”特质的统计详细信息
估计方法的统计详细信息
高级控件的统计详细信息
分布的统计详细信息