「モデルの比較」の例
この例では、回帰モデルとブートストラップ森を比較します。ここで使用するデータは、錠剤の生産工程に関連する重要なパラメータ、供給業者、測定値、品質指標で構成されています。この例での分析目的は、溶出速度のモデルを構築することです。
まず、［ヘルプ］>［サンプルデータフォルダ］を選択し、「Tablet Production.jmp」を開いてください。
検証列の作成
1. ［分析］>［予測モデル］>［検証列の作成］を選択します。
2. 起動ウィンドウでは列を選択しないでください。
これにより、単純無作為抽出による1つの検証列が作成されます。
3. ［OK］をクリックします。
4. 「新しい列の名前」の横のボックスに「検証列」と入力します。
5. 「乱数シード値」の横のボックスに「1234」と入力します。
6. ［実行］をクリックします。
新しい検証列が作成されます。「学習」が割り当てられた行は、学習セットに使われます。「検証」が割り当てられた行は、検証セットに使われます。
回帰モデルを作成し、予測式を列に保存
1. ［分析］>［モデルのあてはめ］を選択します。
2. 「溶出」を選択し、［Y］をクリックします。
3. 「API粒子サイズ」から「ロット受け入れ」までを選択し、［追加］をクリックします。
メモ: この選択には「溶出」を含めないでください。
4. 「検証列」を選択し、［検証］をクリックします。
5. 「手法」リストから［ステップワイズ法］を選択します。
6. ［実行］ボタンをクリックします。
7. 「停止ルール」リストから［閾値p値］を選択します。
8. ［実行］ボタンをクリックします。
9. ［モデルの実行］ボタンをクリックします。
図11.2 「モデルのあてはめ」レポート
10. 予測式を列に保存するには、「応答 溶出」の赤い三角ボタンをクリックし、［列の保存］>［予測式］を選択します。
ブートストラップ森モデルを作成し、予測式を列に保存
1. ［分析］>［予測モデル］>［ブートストラップ森］を選択します。
2. 「溶出」を選択し、［Y, 目的変数］をクリックします。
3. 「API粒子サイズ」から「ロット受け入れ」までを選択し、［X, 説明変数］をクリックします。
メモ: この選択には「溶出」を含めないでください。
4. 「検証列」を選択し、［検証］をクリックします。
5. ［OK］をクリックします。
6. 「乱数シード値」の横のボックスに「617」と入力します。
7. ［OK］をクリックします。
図11.3 ブートストラップ森のモデル
8. 予測式を列に保存するには、「溶出のブートストラップ森」の赤い三角ボタンをクリックし、［列の保存］ >［予測式の保存］を選択します。
モデルの比較
1. ［分析］>［予測モデル］>［モデルの比較］を選択します。
2. 2つの予測式列を選択し、［Y, 予測子］をクリックします。
3. 「検証列」を選択し、［グループ化］をクリックします。
ヒント: グループ化の列を選択しなかった場合で、かつ、すべての説明変数に対して同じ検証列が使用されている場合には、その検証列をグループ変数として追加するよう指示するメッセージが表示されます。
4. ［OK］をクリックします。
図11.4 「モデルの比較」レポート
学習セットの行は、モデルの構築に使用されています。そのため、学習セットのR2乗は過度に大きくなっている可能性があります。学習セットのR2乗は、将来のデータに対する予測精度を正しく予想していません。この傾向は、特にブートストラップ森に対して言えます。検証セットの統計量によってモデルを比較してください。この場合、モデルの検証R2乗統計量はほぼ同じです（0.434と0.438）。ブートストラップ森モデルと回帰モデルの両方に、妥当な予測能力があります。
5. ［モデルの比較］の赤い三角をクリックし、［プロファイル］を選択します。
図11.5 すべてのモデルの予測プロファイル
予測プロファイルを使用すると、異なるモデルの各因子の影響を比較できます。プロファイルは、この例で回帰モデルとブートストラップ森モデルを比較したように、異なる種類のモデルを比較するのに役立ちます。
• 『基本的な回帰モデル』の「モデルの指定」
• パーティション