부분 최소 제곱 플랫폼 시작
다음과 같은 두 가지 방법으로 부분 최소 제곱 플랫폼을 시작할 수 있습니다.
• 분석 > 다변량 방법 > 부분 최소 제곱을 선택합니다.
• 
분석 > 모형 적합을 선택하고 "분석법" 메뉴에서 부분 최소 제곱을 선택합니다. 이 방법을 사용하면 다음을 수행할 수 있습니다.
– 범주형 변수를 Y 또는 X로 입력합니다. 범주형 Y를 입력하여 PLS-DA를 수행합니다.
– 교호작용 및 다항식 항을 모형에 추가합니다.
– "X 표준화" 옵션을 사용하여 중심화 및 척도화된 열로 고차 항을 구성합니다.
– 모형 규격 스크립트를 저장합니다.
모형 적합 시작 창의 일부 기능은 부분 최소 제곱 분석법에 사용할 수 없습니다.
• 가중치, 내포, 속성, 변환, 절편 없음
팁: "열 선택" 상자에서 변수를 마우스 오른쪽 버튼으로 클릭하고 "변환" 옵션을 선택하여 변수를 변환할 수 있습니다.
• 매크로: 혼합물 반응 표면, Scheffe 3차
그림 6.6 JMP Pro 부분 최소 제곱 시작 창(결측값 대치법에 EM 선택됨)
그림 6.7 JMP Pro 모형 적합 부분 최소 제곱 시작 창
모형 적합 시작 옵션에 대한 자세한 내용은 선형 모형 적합의 모형 적합 플랫폼 시작에서 확인하십시오.
"열 선택"의 빨간색 삼각형 메뉴에 포함된 옵션에 대한 자세한 내용은 JMP 사용의 열 필터 메뉴에서 확인하십시오.
부분 최소 제곱 시작 창에는 다음 옵션이 포함되어 있습니다.
Y, 반응
수치형 반응 열을 입력합니다. 열을 여러 개 입력하면 공동으로 모델링됩니다.
JMP Pro에서는 모형 적합 시작 창에 명목형 반응 열을 입력하여 PLS-DA를 수행할 수 있습니다. 자세한 내용은 PLS 판별 분석에 대한 통계 상세 정보에서 확인하십시오.
X, 요인
예측 변수 열을 입력합니다. 부분 최소 제곱 시작 창에는 수치형 예측 변수만 허용됩니다.
JMP Pro에서는 모형 적합 시작 창에 명목형 및 순서형 모형 효과를 입력할 수 있습니다. 순서형 효과는 명목형으로 처리됩니다.
빈도
데이터가 요약된 경우 값에 각 행에 대한 개수가 포함된 열을 입력합니다.
검증
검증 데이터 집합을 정의하는 숫자 열입니다. 검증 열에는 다음과 같이 연속된 정수 값만 포함되어야 합니다.
– 검증 열에 두 개의 수준이 포함된 경우 더 작은 값이 훈련 데이터 집합을 정의하고 더 큰 값이 검증 데이터 집합을 정의합니다.
– 검증 열에 세 개의 수준이 포함된 경우 작은 값부터 순서대로 훈련 데이터 집합, 검증 데이터 집합, 테스트 데이터 집합을 각각 정의합니다.
– 검증 열에 네 개 이상의 수준이 포함된 경우 K 폴드 교차 검증이 사용됩니다. 기타 검증 옵션에 대한 자세한 내용은 검증 방법에서 확인하십시오.
PLS 플랫폼에서는 검증 열을 사용하여 모형을 훈련 및 조정하거나 모형을 훈련, 조정 및 평가합니다. 검증에 대한 자세한 내용은 예측 및 전문 모델링의 JMP 모델링의 검증에서 확인하십시오.
참고: "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.
기준
변수의 각 수준에 대한 개별 분석으로 구성된 보고서를 생성하는 열을 입력합니다. 기준 변수가 둘 이상 할당되면 기준 변수의 가능한 각 수준 조합에 대해 개별 분석이 생성됩니다.
중심화
각 열에서 평균을 빼서 모든 Y 변수와 모형 효과를 중심화합니다. 자세한 내용은 중심화 및 척도화에서 확인하십시오.
척도화
각 열을 표준편차로 나누어 모든 Y 변수와 모형 효과의 척도를 조정합니다. 자세한 내용은 중심화 및 척도화에서 확인하십시오.
X 표준화
(모형 적합 시작 창에서만 사용 가능) 모형 효과를 구성하는 데 사용되는 모든 열을 중앙에 맞추고 척도를 조정합니다. 이 옵션을 선택하지 않으면 원래 데이터 테이블 열을 사용하여 고차 효과가 구성됩니다. 그런 다음 선택한 "중심화" 및 "척도화" 옵션에 따라 각 고차 효과가 중심화되거나 척도화됩니다. "X 표준화"는 Y 변수를 중앙에 맞추거나 척도를 조정하지 않습니다. 자세한 내용은 X 표준화에서 확인하십시오.
결측 데이터 대치
Y 또는 X의 결측 데이터 값을 비결측 값으로 대체합니다. 결측값 대치법 목록에서 적절한 방법을 선택합니다.
결측 데이터 대치를 선택하지 않으면 X 변수의 관측값이 결측인 행이 분석에서 제외되고 해당 행에 대한 예측이 계산되지 않습니다. X 변수에는 결측 관측값이 없지만 Y 변수에 결측 관측값이 있는 행도 분석에서 제외되지만 예측이 계산됩니다.
결측값 대치법
(결측 데이터 대치를 선택한 경우에만 표시됨) 다음 결측값 대치 방법 중에서 선택합니다.
평균
각 모형 효과 또는 반응 열에 대해 결측값을 비결측 값의 평균으로 대체합니다.
EM
반복 EM(Expectation-Maximization) 방식을 사용하여 결측값을 대치합니다. 첫 번째 반복에서는 지정된 모형이 효과 또는 반응의 결측값을 평균으로 대체한 데이터에 적합됩니다. Y 모형의 예측값과 X 모형의 예측값을 사용하여 결측값을 대치합니다. 이후 반복의 경우 현재 추정값을 사용한 조건부 분포가 주어지면 결측값이 해당 예측값으로 대체됩니다.
결측값 대치를 위해 다항식 항은 별도의 예측 변수로 처리됩니다. 다항식 항이 지정되면 해당 항은 원래 데이터에서 계산되거나, "X 표준화"가 선택된 경우 표준화된 열 값에서 계산됩니다. 다항식 항 정의와 관련된 열의 값이 결측인 행이 있으면 해당 항목은 다항식 항에 대해 결측입니다. 이 방식으로 정의된 다항식 항을 사용하여 결측값 대치가 수행됩니다.
EM 방법에 대한 자세한 내용은 Nelson, Taylor 및 MacGregor(1996) 연구 자료에서 확인하십시오.
최대 반복
("결측값 대치법"에서 "EM"을 선택한 경우에만 표시됨) 알고리즘에 사용되는 최대 반복 수를 설정할 수 있습니다. 결측값의 현재 추정값과 이전 추정값 사이의 최대 차이가 10-8로 제한되면 알고리즘이 종료됩니다.
시작 창을 완료하고 확인을 클릭하면 "모형 시작" 제어판이 나타납니다. 자세한 내용은 모형 시작 제어판에서 확인하십시오.