本帖最后由 核桃木瓜 于 2013-9-16 10:55 编辑
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)。
|