고급 통계

종속 변수와 독립 변수 집합 간의 관계를 설명합니다. 유연한 설계 및 대비 옵션을 적용하여 평균과 분산을 추정하고 평균을 테스트 및 예측합니다. 카테고리형 및 연속형 예측 변수를 혼합하여 모형을 구축합니다. 비선형 결과를 예측할 때 선형 혼합 모델을 사용하면 정확도를 높일 수 있습니다. 분할 플롯 설계, 고정 효과 공분산을 사용한 다수준 모델, 무작위 완전 블록 설계 등 수십 가지 모델을 공식화할 수 있습니다.

정규 분포 종속 변수를 사용하는 고전적인 선형 모델, 이진 데이터에 대한 로지스틱 및 프로빗 모델, 카운트 데이터에 대한 로그선형 모델뿐만 아니라 기타 다양한 비표준 회귀 유형 모델을 포함하는 통합 프레임워크를 제공합니다. 순서 회귀분석, 트위디 회귀분석, 포아송 회귀분석, 감마 회귀분석, 음이항 회귀분석 등 다양한 일반 통계 모형을 적용합니다.

상관 관계와 일정하지 않은 변동성을 표시하는 데이터의 평균, 분산, 공분산을 모델링합니다. 분할 플롯 설계, 고정 효과 공분산을 사용한 다단계 모형, 무작위 완전 블록 설계 등 수십 가지 모형을 공식화할 수 있으며, 11가지 비공간 공분산 유형 중에서 선택할 수 있습니다. 반복 측정 횟수가 다르거나, 사례마다 간격이 다르거나, 두 상황이 모두 발생한 상황을 포함하여 반복 측정 데이터로 정확도를 개선합니다.