적합 분석법
모형 적합 시작 창에서 분석법을 지정하여 적합 및 분석 방법을 선택합니다. JMP는 하나 이상의 반응과 입력된 요인을 기반으로 원하는 분석법에 대한 초기 추측을 수행하지만 "분석법" 메뉴에서 이 선택을 변경할 수 있습니다.
다음과 같은 적합 분석법을 사용할 수 있습니다.
표준 최소 제곱
반응이 연속형인 모형을 적합시킵니다. 회귀, 분산 분석, 공분산 분석, 혼합 모형 및 설계된 실험 분석 기법이 포함됩니다. 자세한 내용은 표준 최소 제곱 모형 및 표준 최소 제곱에 대한 강조 옵션에서 확인하십시오.
단계별
표준 최소 제곱 및 순서형 로지스틱 분석(또는 이항 반응을 포함하는 명목형)에 대한 변수 선택을 용이하게 합니다. 연속형 반응의 경우 교차 검증, p 값, BIC 및 AICc 기준이 제공됩니다. 모든 가능 모형을 적합시키고 모형 평균화를 위한 옵션도 제공됩니다. 로지스틱 적합의 경우 p 값, BIC 및 AICc 기준이 제공됩니다. 자세한 내용은 단계별 회귀 모형에서 확인하십시오.
일반화 회귀
정규화(벌점이라고도 함) 회귀 기법을 사용하여 일반화 선형 모형을 적합시킵니다. 정규화 기법에는 능형 회귀, Lasso 회귀, 적응형 Lasso 회귀, Elastic Net 및 적응형 Elastic Net이 포함됩니다. 반응 분포에는 정규, 이항, Poisson, 영과잉 Poisson, 음이항, 영과잉 음이항 및 감마 분포가 포함됩니다. 자세한 내용은 일반화 회귀 모형 및 분포 지정에서 확인하십시오.
혼합 모형
복소 공분산 구조를 가진 연속형 반응에 대해 다양한 선형 모형을 적합시킵니다. 다음과 같은 상황에서 사용됩니다.
– 분할구 실험
– 랜덤 계수 모형
– 반복 측정 설계
– 공간 데이터
– 상관관계가 있는 반응 데이터
자세한 내용은 혼합 모형에서 확인하십시오.
일반화 선형 혼합 모형
임의 효과(예: 블록)가 있는 비가우시안 반응 변수에 대해 일반화 선형 혼합 모형을 적합시킵니다. 반응 분포에는 이항과 Poisson이 포함됩니다. 자세한 내용은 일반화 선형 혼합 모형에서 확인하십시오.
다변량 분산분석
여러 개의 연속형 Y 변수를 포함하는 모형을 적합시킵니다. 다변량 분산분석, 반복 측정, 판별 분석 및 정준 상관 기법이 포함됩니다. 자세한 내용은 다변량 반응 모형에서 확인하십시오.
로그 선형 분산
연속형 Y 변수의 경우 평균과 분산 모두에 대한 모형을 생성합니다. 두 모형에 대해 서로 다른 효과 집합을 지정할 수 있습니다. 자세한 내용은 로그 선형 분산 모형에서 확인하십시오.
명목형 로지스틱
명목형 반응에 대해 로지스틱 회귀 모형을 적합시킵니다. 자세한 내용은 로지스틱 회귀 모형에서 확인하십시오.
순서형 로지스틱
순서형 반응에 대해 로지스틱 회귀 모형을 적합시킵니다. 자세한 내용은 로지스틱 회귀 모형에서 확인하십시오.
비례 위험
중도절단을 고려하여 설명 변수가 생존 시간에 미치는 영향을 평가하기 위해 준모수 회귀 모형(Cox 비례 위험 모형)을 적합시킵니다.
분석 > 신뢰성 및 생존 > 비례 위험 모형 적합을 선택하여 이 분석법을 시작할 수도 있습니다. 자세한 내용은 신뢰성 및 생존 방법의 모수 생존 모형 적합에서 확인하십시오.
모수 생존
생존 시간에 대해 일반 선형 회귀 모형을 적합시킵니다. 생존 시간을 하나 이상의 설명 변수에 대한 함수로 표현할 수 있는 경우 이 옵션을 사용합니다. 다양한 생존 분포 및 중도절단을 고려합니다.
분석 > 신뢰성 및 생존 > 모수 생존 모형 적합을 선택하여 이 분석법을 시작할 수도 있습니다. 자세한 내용은 신뢰성 및 생존 방법의 모수 생존 모형 적합에서 확인하십시오.
일반화 선형 모형
다양한 분포 및 연결 함수를 사용하여 일반화 선형 모형을 적합시킵니다. 로지스틱, Poisson 및 지수 회귀 기법이 포함됩니다. 자세한 내용은 일반화 선형 모형에서 확인하십시오.
부분 최소 제곱
잠재 요인을 사용하여 하나 이상의 Y 변수에 대해 모형을 적합시킵니다. 설명 변수(X 변수)의 상관관계가 높거나 관측값보다 X 변수가 더 많은 경우에 이 방법으로 모형을 적합시킬 수 있습니다.
분석 > 다변량 방법 > 부분 최소 제곱을 선택하여 부분 최소 제곱 분석을 시작할 수도 있습니다. 자세한 내용은 다변량 방법의 부분 최소 제곱 모형에서 확인하십시오.
반응 변수 선별
여러 반응에 대해 선형 모형 효과의 검정 수행 과정을 자동화합니다. 검정 결과와 요약 통계량은 데이터 테이블과 그림에 제공됩니다. FDR(False Discovery Rate) 방법은 유의성이 잘못 선언되지 않도록 보호합니다. 로버스트 추정 방법은 이상치에 대한 검정 민감도를 줄여 줍니다.
JMP Pro에서는 반응 변수 선별 분석법을 통해 모형에 임의 효과를 포함할 수도 있습니다. 기존의 분산 성분 모형 또는 그룹화된 회귀변수가 있는 모형을 지정할 수 있습니다.
참고: 이 분석법은 연속형 반응만 허용합니다. 분석 > 선별> 반응 변수 선별을 선택하여 개별 요인에 대한 반응 변수 선별을 사용할 수도 있습니다. 이 플랫폼은 범주형 반응을 지원하고 동등성 검정 및 실제적 유의성 검정도 제공합니다. 자세한 내용은 예측 및 전문 모델링의 반응 변수 선별에서 확인하십시오.