이변량 플랫폼 옵션

"이변량 적합"의 빨간색 삼각형 메뉴에는 표시, 적합 및 제어 옵션이 포함되어 있습니다. 각 적합 옵션은 산점도에 선, 곡선 또는 분포를 추가하고, 그림 아래에 적합을 위한 빨간색 삼각형 메뉴를 추가하고, 보고서 창에 특정 적합 보고서를 추가합니다.

그림 5.5 평균 적합 옵션의 예 

참고: "그룹 적합" 메뉴는 Y 또는 X 변수를 여러 개 지정한 경우에만 표시됩니다. "그룹 적합" 메뉴 옵션을 사용하여 보고서를 배열하거나 R²을 기준으로 정렬할 수 있습니다. 자세한 내용은 선형 모형 적합의 그룹 적합 옵션에서 확인하십시오.

"이변량 적합"의 빨간색 삼각형 메뉴에는 다음 옵션이 포함되어 있습니다.

점 표시

산점도에 점을 표시하거나 숨깁니다.

히스토그램 테두리

산점도의 가로 축과 세로 축에 히스토그램을 표시하거나 숨깁니다.

참고: 숨겨진 행의 데이터 점은 산점도에서 숨겨지지만 히스토그램에서는 숨겨지지 않습니다. 히스토그램과 분석 결과에서 행을 제외하려면 "숨기고 제외하기" 행 상태를 적용하고 "이변량 적합"의 빨간색 삼각형 메뉴에서 다시 실행 > 분석 다시 실행을 선택하십시오.

요약 통계량

그림에 표시되는 변수에 대한 요약 통계량을 표시하거나 숨깁니다. 측정 기준에는 두 변수 간의 상관 및 공분산과 각 변수에 대한 단변량 평균 및 표준편차가 포함됩니다.

평균 적합

Y 반응 변수의 평균을 적합시킵니다. 이것은 기울기가 0으로 제한된 단순 회귀 모형입니다. 자세한 내용은 평균 적합 보고서에서 확인하십시오.

선형 적합

최소 제곱 회귀선을 적합시킵니다. 적합이 그림에 표시되고 적합 보고서가 제공됩니다. 자세한 내용은 선형 적합, 다항식 적합 및 특수 적합 보고서에서 확인하십시오.

다항식 적합

최소 제곱 회귀를 사용하여 선택한 차수의 다항식 곡선을 적합시킵니다. 자세한 내용은 선형 적합, 다항식 적합 및 특수 적합 보고서에서 확인하십시오.

특수 적합

Y 및 X 변수에 대한 변환을 포함하는 회귀 모형을 적합시킬 수 있습니다. 변환에는 로그, 제곱근, 역수 및 지수가 포함됩니다. 중심화 다항식을 해제하거나, 절편 및 기울기를 제약하거나, 변환된 변수를 사용하여 다항식 모형을 적합시킬 수도 있습니다. 자세한 내용은 특수 적합 창에서 확인하십시오.

유연

유연한 모형을 적합시킬 수 있습니다. 모형에는 스플라인, 커널 평활기 및 점별 적합이 포함됩니다.

스플라인 적합

벌점 최소 제곱 모형을 데이터에 적합시킵니다. 평활 모수 l를 사용하여 모형 적합의 평활도를 조정할 수 있습니다. 자세한 내용은 스플라인 적합 보고서에서 확인하십시오.

커널 평활기

국소 가중 최소 제곱 모형을 데이터에 적합시킵니다. 이 모형을 LOWESS(국소 가중 산점도 평활) 모형이라고도 합니다. 평활 모수 a를 사용하여 모형의 평활도를 제어할 수 있습니다. 자세한 내용은 커널 평활기 보고서에서 확인하십시오.

각 값 적합

각 X 값에 대해 평균 반응을 연결합니다. 자세한 내용은 각 값 적합 보고서에서 확인하십시오.

직교 적합

X 변수와 Y 변수 모두 오차를 사용하여 측정될 때 사용할 수 있는 직교 회귀 모형을 적합시킬 수 있습니다. 자세한 내용은 직교 적합 보고서에서 확인하십시오.

단변량 분산, 주성분

표준화된 첫 번째 주성분을 데이터에 적합시킵니다.

등분산

X와 Y의 오차 분산이 동일하다고 가정하는 분산 비율 1을 사용하여 직교 회귀 모형을 적합시킵니다. 이 방법을 Deming 회귀라고도 합니다.

X를 Y에 적합

Y에 분산이 없음을 나타내는 분산 비율 0을 사용하여 직교 회귀 모형을 적합시킵니다.

지정된 분산 비율

직교 회귀 모형에 대해 지정된 분산 비율을 입력할 수 있습니다.

Passing-Bablok 적합

Passing-Bablok 절차를 사용하여 회귀 모형을 적합시킵니다. 이 옵션에는 Bland-Altman 분석 옵션이 포함됩니다. X 변수와 Y 변수 모두 오차를 사용하여 측정될 때 사용합니다. 자세한 내용은 Passing-Bablok 적합 보고서 및 Passing-Bablok 적합 옵션에 대한 통계 상세 정보에서 확인하십시오.

로버스트

로버스트 회귀 모형을 적합시킬 수 있습니다. 로버스트 모형을 사용하여 모형 적합에 대한 이상치의 영향을 줄일 수 있습니다. 자세한 내용은 로버스트 적합 보고서에서 확인하십시오.

로버스트 적합

Huber M-추정 방법을 사용하여 로버스트 회귀 모형을 적합시킵니다.

Cauchy 적합

Cauchy 연결 함수를 사용한 최대 가능도로 모수가 추정되는 로버스트 회귀 모형을 적합시킵니다.

밀도 타원

지정된 백분율의 이변량 정규 밀도 타원을 그림에 추가할 수 있습니다. 등고선에는 데이터 점의 지정된 백분율이 포함됩니다. 이 옵션을 사용하여 상관을 추정할 수 있습니다. 자세한 내용은 밀도 타원 보고서에서 확인하십시오.

비모수 밀도

비모수 밀도 등고선을 그림에 추가할 수 있습니다. 이 등고선은 데이터 점의 밀도를 설명합니다. 자세한 내용은 비모수 밀도 보고서에서 확인하십시오.

그룹화 기준

그룹화 변수를 지정할 수 있습니다. 그룹화 변수를 지정하면 그룹화 변수의 각 수준에 대해 후속 적합이 계산됩니다. 선, 곡선 또는 타원은 그룹별로 산점도에 중첩됩니다. 이렇게 하면 그룹별 적합을 시각적으로 비교할 수 있습니다. 자세한 내용은 밀도 타원을 사용한 그룹화의 예 및 회귀선을 사용한 그룹화의 예에서 확인하십시오.

참고: "그룹화 기준" 옵션을 사용하면 하나의 그림에 그룹 적합을 시각화하고 결과를 하나의 보고서에 표시할 수 있습니다. 또는 시작 창의 "기준" 옵션을 사용하면 그룹화된 적합이 각각 개별 보고서에 표시됩니다.

다음 옵션에 대한 자세한 내용은 JMP 사용의 “Local Data Filters in JMP Reports”, “Redo Menus in JMP Reports”, “Save Platform Preferences” 및 “Save Script Menus in JMP Reports”에서 확인하십시오.

로컬 데이터 필터

특정 보고서에서 사용되는 데이터를 필터링할 수 있는 로컬 데이터 필터를 표시하거나 숨깁니다.

다시 실행

분석을 반복하거나 다시 시작할 수 있는 옵션이 포함되어 있습니다. 이 기능을 지원하는 플랫폼에서 "자동 재계산" 옵션은 해당하는 보고서 창에서 데이터 테이블에 대한 변경 사항을 즉시 반영합니다.

플랫폼 환경 설정

현재 플랫폼 환경 설정을 보거나, 현재 JMP 보고서의 설정과 일치하도록 플랫폼 환경 설정을 업데이트할 수 있는 옵션이 포함되어 있습니다.

스크립트 저장

보고서를 재생성하는 스크립트를 여러 대상에 저장할 수 있는 옵션이 포함되어 있습니다.

그룹별 스크립트 저장

기준 변수의 모든 수준에 대한 플랫폼 보고서를 재생성하는 스크립트를 여러 대상에 저장할 수 있는 옵션이 포함되어 있습니다. 시작 창에서 기준 변수를 지정한 경우에만 사용할 수 있습니다.

참고: 이 플랫폼의 추가 옵션은 스크립트를 통해 사용할 수 있습니다. 자세한 내용은 "도움말" 메뉴의 "스크립트 인덱스"에서 여십시오. 또한 "스크립트 인덱스"에서 이 섹션에 설명된 옵션의 스크립트 예제도 찾을 수 있습니다.