JMP统计分析：药物检验数据的杠杆率图解析

"本文主要探讨了利用JMP软件进行药物检验数据分析时的杠杆率图比较，特别是对特效半透流光shader的运用。通过杠杆率图，可以清晰地看出数据点对模型拟合的影响，例如点29降低了药物的效果显著性，而增强了变量x的显著性；点5则相反，使得药物效果更显著，x的影响减弱；点17对两者的影响相当，具有较小的残差但远离x轴，意味着模型中去除某些效应会产生较大影响。此外，还提到了JMP软件中的‘保存预测公式’功能，可以生成名为Pred Formula Y的新列，并解释了响应限特性和保存操作的注意事项。JMP是SAS公司的一个业务单元，专注于提供统计和图形分析工具，尤其适用于大数据、数据挖掘和数据分析领域。" 本文介绍了JMP软件在药物检验数据中的应用，特别是在数据分析和可视化方面。杠杆率图是一种用于理解单个观测值如何影响线性回归模型拟合的工具。在图11.13中，高亮度标记的点5、17和29揭示了这些数据点对模型斜率的影响。点29降低了药物效果的显著性，因为它的存在导致药物拟合直线的右端靠近均值线，从而减小了斜率，同时增强了变量x的显著性。相反，点5的影响力使药物效果更显著，因为它使x的拟合直线左端远离均值线，减小了x的显著性。点17则扮演了平衡角色，对药物和x的显著性都有影响，其小但偏离x轴的残差表明模型结构的敏感性。 JMP软件提供了丰富的统计分析功能，如在“响应限”特性中设置合适的模型。通过“保存预测公式”功能，用户可以在原始数据表中创建新列，以存储预测结果。这一操作依赖于刻画器中的响应限或响应列中的合意性函数。保存操作的后续更改不会影响已经保存的列，确保了结果的稳定性。 JMP是SAS公司的一部分，专注于提供交互式统计探索和可视化工具，广泛应用于大数据、数据挖掘和数据分析场景。书中引用了Marcel Proust的名言，强调了用新的视角看待数据的重要性。《JMP统计和图形指南》详细介绍了JMP的使用方法，包括如何指定建模类型、选择分析方法、定义列的角色，以及如何理解和评估模型的假设、显著性和有效性。书中的内容涵盖了从基本概念到高级分析的各个方面，旨在帮助用户充分发挥JMP在统计发现中的潜力。