JMP 11 功能探新_响应筛选

核桃木瓜

JMP 11 功能探新_响应筛选

       您是否遇到过下面的情况：“我有 10,000 个变量，哪些变量发生了变化？” 或者“我有一个响应，但是有很多可能的预测变量，我该怎么办？”如果曾经遇到过上述情况，您知道变量过多（或分类变量层次过多）会导致难以得出有意义的结论。

       JMP 11 之前，您不得不进行大量分析，查看数以千计的分析和报告，而如果数据中包含离群值，还可能使方差估计值偏高， 掩饰作用的重要性。

       在 JMP 11 中，如果数据有许多 Y 变量和 X 变量, 存在选择偏倚或杂乱无章，您可以使用“响应筛选”平台得出有意义的结论，并在直观的图表报告中一眼看出关键信息。凭借强大的回归（亦称 Huber 回归/M-估计) 选项，您可以反复地自动拟合模型，而不必进行繁琐的数据清理和操作，同时避免离群值的影响。

JMP 11 还包含很多其他功能，可帮助您处理杂乱的数据：
       “分布”、“二元”和“单因子”平台中附有强大的拟合功能。拟合响应筛选：“拟合模型”平台的全新特质，使您可以进行多因子响应筛选，指定模型结构，并为模型添加交互项和多项式项。“响应筛选”平台的错误发现率 (FDR) 报告可用来确定哪些效应真正值得注意，哪些效应只是随机变异所致。（FDR 是在进行多重对比修正时通用的一种方式，有助于大幅减少假阳性。）“拟合模型”平台和“分割”平台的大多数特质均支持将缺失值创建为信息类别。


“响应筛选”中强大的拟合功能和错误发现率 (FDR) 报告可帮助您了解一些重要效应是真正重要（上方）还是仅仅由于数据的随机变异所致（下方）。