모형 적합 시작 창의 요소
모형 적합 시작 창의 다음 요소는 대부분의 분석법에 공통적으로 사용됩니다.
모형 규격
"모형 규격" 메뉴에는 다음 옵션이 포함되어 있습니다.
중심화 다항식
모형에 다항식이 포함된 경우 효과를 중심화합니다.
결측값 정보화
효과에 결측값을 수용하는 코딩 시스템을 생성합니다.
코딩 제한
효과 열에 대한 "코딩" 열 특성을 무시하고 코드화되지 않은 효과를 사용하여 모형을 적합시킵니다.
유의 수준 설정
모형 보고서에 신뢰 구간의 유의 수준을 설정합니다.
데이터 테이블에 저장
모형 규격을 현재 데이터 테이블의 스크립트에 저장합니다.
스크립트 창에 저장
모형 규격을 스크립트 창에 저장합니다.
SAS 작업 생성
현재 모형 규격에 대한 SAS 코드를 SAS 프로그램 창에 저장합니다.
수렴 설정
일부 분석법에서 모형 수렴에 사용되는 최대 반복 수 및 수렴 한계를 설정하는 옵션이 포함되어 있습니다.
이러한 옵션에 대한 자세한 내용은 모형 규격 옵션에서 확인하십시오.
열 선택
현재 데이터 테이블에서 제외되지 않은 열을 나열합니다.
Y
모형에 대한 하나 이상의 반응 변수(종속 변수)를 식별합니다.
참고: 벡터 값이 있는 반응 열은 모형 적합에서 지원되지 않습니다.
가중치
분석을 위해 각 행에 가중치를 할당하는 값이 들어 있는 열입니다. 자세한 내용은 가중치에서 확인하십시오.
빈도
분석을 위해 각 행에 빈도를 할당하는 값이 들어 있는 열입니다. 일반적으로 빈도 열의 효과는 데이터 테이블을 확장하여 정수 빈도가 k인 행을 k개의 행으로 확장하는 것입니다. 빈도 비율로 지정할 수 있습니다. 자세한 내용은 빈도에서 확인하십시오.
전환
한 번에 하나씩 모형으로 전환할 수 있는 열을 지정합니다.
검증
JMP Pro에서는 일부 분석법에 대해 검증 열을 입력할 수 있습니다. 각 분석법에서 검증 열을 처리하는 방법에 대한 자세한 내용은 해당 분석법 관련 장에서 확인하십시오. "열 선택" 목록에서 아무 열도 선택하지 않은 상태로 "검증" 버튼을 클릭하면 데이터 테이블에 검증 열을 추가할 수 있습니다. "검증 열 생성" 유틸리티에 대한 자세한 내용은 예측 및 전문 모델링의 검증 열 생성에서 확인하십시오. JMP 모델링 플랫폼에서 검증 열이 사용되는 방법에 대한 자세한 내용은 예측 및 전문 모델링의 JMP 모델링의 검증에서 확인하십시오.
기준
변수의 각 수준에 대한 개별 분석으로 구성된 보고서를 생성하는 열을 식별합니다. 기준 변수가 둘 이상 할당되면 기준 변수의 가능한 각 수준 조합에 대해 개별 분석이 생성됩니다.
추가
모형에 효과를 추가합니다. 자세한 내용은 추가에서 확인하십시오.
교차
둘 이상의 변수를 교차시켜 교호작용 및 다항식 효과를 생성합니다. 자세한 내용은 교차에서 확인하십시오.
내포
내포 효과를 생성합니다. 자세한 내용은 내포에서 확인하십시오.
매크로
일반적으로 사용되는 모형에 대한 효과를 생성합니다. 자세한 내용은 매크로에서 확인하십시오.
차수
매크로를 사용하여 생성된 요인 또는 다항식 효과가 있는 모형에 지정된 차수를 적용합니다. 자세한 내용은 매크로의 특정 차수까지의 요인 및 특정 차수까지의 다항식에서 확인하십시오.
속성
모형 효과에 속성을 적용합니다. 이러한 속성은 효과를 처리하는 방법을 결정합니다. 자세한 내용은 속성에서 확인하십시오.
변환
선택한 연속형 효과 또는 Y 열을 변환합니다. 자세한 내용은 변환에서 확인하십시오.
절편 없음
모형에서 절편 항을 제외합니다.
분석법
적합 방법론을 지정합니다. 자세한 내용은 모형 적합 시작 창의 요소에서 확인하십시오. 선택한 분석법에 따라 다른 옵션이 나타납니다.
목표 수준
(특정 분석법에서 Y가 이항 변수이고 명목형 모델링 유형일 때만 사용 가능) 확률을 모델링할 수준을 지정합니다. 기본값은 수준 순서에 따라 두 수준 중 더 높은 값입니다.
도움말
모형 적합 시작 창의 도움말 항목으로 이동합니다.
재호출
최근에 실행한 모형 규격으로 시작 창을 채웁니다.
제거
선택한 변수를 할당된 역할에서 제거합니다. 또는 효과를 두 번 클릭하거나 효과를 선택하고 Backspace 키를 누릅니다.
실행
지정된 모형 및 분석법에 대한 보고서 창을 생성합니다.
대화상자 열린 채 유지
분석을 실행한 후 언제든지 분석을 변경하고 다시 실행할 수 있도록 시작 창을 열린 채로 유지합니다.
빈도
빈도 텍스트 상자에 입력된 빈도 변수는 대부분의 모형 적합 분석법에서 지원됩니다. 일반적으로 빈도는 다음과 같은 방식으로 해석됩니다. 빈도가 f인 행이 있다고 가정해 보겠습니다. 그러면 계산된 결과는 각각 빈도가 1인 해당 행의 f 개 복사본을 포함하는 데이터 테이블의 결과와 동일합니다.
빈도 값이 0이거나 결측인 행은 분석에서 제외됩니다. 빈도 값이 음수인 행은 중도절단된 관측값에 대해서만 허용되며 그렇지 않으면 분석에서 제외됩니다. 음수 빈도 값을 중도절단된 관측값과 함께 사용하면 절단된 분포를 적합시킬 수 있습니다.
빈도 값은 정수일 필요가 없습니다. 값이 정수가 아닌 열을 포함하여 빈도 열을 처리하는 방법에 대한 자세한 내용은 빈도에서 확인하십시오.
가중치
가중치 변수는 관측값의 분산이 서로 다른 경우에 유용할 수 있습니다. 예를 들어 각 행이 사전 요약된 평균으로 구성된 데이터에 대해 회귀 모델링을 수행할 때 이러한 현상이 발생할 수 있습니다. 여기서 관측값을 더 많이 포함하는 행(분산이 더 작음)이 관측값을 더 적게 포함하는 행(분산이 더 큼)보다 손실 함수에 더 크게 기여해야 합니다. 적절하게 정의된 가중치를 사용하여 이를 확인할 수 있습니다.
가중치 변수는 많은 모형 적합 분석법에서 지원됩니다. 가중치 변수를 지원하는 각 분석법은 다음 방법 중 하나를 사용합니다.
• 분산 척도
• 빈도 대칭
분산 척도
최소 제곱 또는 최대 가능도 정규 이론을 사용하여 추정을 수행할 때 주어진 행의 가중치 w는 손실 함수에 대한 해당 행의 기여도를 w-1/2로 조정합니다.
가중치 변수는 추정값과 표준 오차에 영향을 줍니다. 그러나 빈도 변수와 달리 가설 검정에 사용되는 자유도에는 영향을 주지 않습니다.
가중치 값이 음수이거나 0인 행은 분석에서 제외됩니다.
빈도 대칭
명목형 로지스틱 및 순서형 로지스틱 분석법에서 가중치 변수는 빈도 변수인 것처럼 처리됩니다. 이러한 분석법에서 가중치 변수와 빈도 변수가 모두 지정되면 각 관측값의 빈도 값이 가중치 값과 빈도 값의 곱과 동일한 것으로 처리합니다.