차원 축소를 위한 변수 군집화 플랫폼의 예
이 예에서는 변수 군집화 플랫폼을 모델링을 위한 차원 축소 도구로 사용합니다. 데이터 테이블에는 반응 변수를 예측하는 데 사용되는 15개의 변수가 포함되어 있으며 이 수를 줄이려고 합니다.
변수 군집화
1. 도움말 > 샘플 데이터 폴더를 선택하고 Penta.jmp를 엽니다.
2. 분석 > 군집화 > 변수 군집화를 선택합니다.
3. logRAI를 제외한 모든 연속형 변수를 선택하고 Y, 열을 클릭합니다.
4. 확인을 클릭합니다.
5. "변수 군집화"의 빨간색 삼각형을 클릭하고 군집 성분 저장을 선택합니다.
그룹화된 다섯 개의 계산식 열이 데이터 테이블에 추가됩니다.
그림 17.5 Penta.jmp에 대한 변수 군집화 보고서
"군집 요약" 및 "군집 멤버" 보고서에서는 변수가 다섯 개 그룹으로 군집화되어 다섯 개의 군집 성분 변수가 있음을 보여 줍니다.
모형 적합
이제 다음 두 모형을 적합시키고 비교하여 logRAI를 예측합니다.
• 모든 연속형 변수를 예측 변수로 사용하는 모형
• 군집 성분을 예측 변수로 사용하는 모형
1. "변수 군집화"의 빨간색 삼각형을 클릭하고 모형 적합 시작을 선택합니다.
2. logRAI를 선택하고 Y를 클릭합니다.
가장 대표적인 변수를 나타내는 다섯 개 군집이 "모형 효과 생성" 목록에 입력되어 있습니다. 그러나 모든 예측 변수를 입력하려고 합니다.
3. 모든 연속형 변수(S1 ~ P5)를 선택하고 추가를 클릭합니다.
Obs Name을 포함하지 않도록 주의하십시오.
4. 대화상자 열린 채 유지 옆의 상자를 선택합니다.
5. 실행을 클릭합니다.
그림 17.6 모든 연속형 예측 변수를 사용한 모형의 최소 제곱 적합 보고서
6. "모형 적합" 창의 "모형 효과 생성" 목록에서 모든 변수를 선택하고 제거를 클릭합니다.
7. 군집 성분 그룹을 선택하고 추가를 클릭합니다.
8. 실행을 클릭합니다.
그림 17.7 군집 성분을 예측 변수로 사용한 모형의 최소 제곱 적합 보고서
다섯 개의 군집 성분만 예측 변수로 포함하는 모형은 상당한 양의 반응 변동을 설명합니다(수정 R² = 0.784). 15개의 예측 변수를 모두 사용하는 모형의 수정 R²은 약간 더 높은 0.853입니다(Figure 17.6 참조).