Besoin d'aide pour comprendre la variable d'interaction<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Bonjour
J'essaie de mener une analyse simple à 2 voies d'une expérience; chaque facteur a 3 niveaux avec un réplicat chacun. Les deux variables sont continues. Lors de l'exécution de l'analyse et de l'examen des estimations de sortie et de paramètres, je vois ce qui suit :
Intercepter
Facteur 1
Facteur 2
(Facteur 1 - x) * (Facteur 2 - y) où x et y semblent être une valeur moyenne/arbitraire
Quelqu'un peut-il expliquer comment j'utiliserais (Facteur 1 - x) * (Facteur 2 - y) dans l'équation de régression ?
En outre, quelle est la meilleure façon de déterminer quels niveaux des différents facteurs sont les plus significatifs.
merci
Re : Besoin d'aide pour comprendre la variable d'interactionAh oui. Je crois que vous avez également posé cette question dans un autre fil. Le centrage est effectué pour réduire la colinéarité causée par les différences d'échelle. C'est une façon pour JMP de vous aider dans votre analyse.
Par exemple, supposons que le facteur X1 est compris entre 100 et 200 et que le facteur X2 est compris entre 1 et 2 avec ce plan :
X1 X2 X1*X2
100 1 100
100 2 200
200 1 200
200 2 400
L'interaction serait comprise entre 100 et 400. La corrélation entre X1 et l'interaction X1*X2 est de 0,688, ce qui est assez élevé. Si je centre X1 et X2 avant de multiplier, la corrélation entre X1 et l'interaction centrée X1*X2 est 0. C'est une bonne chose, c'est pourquoi JMP le fait. De plus, JMP fournit les outils nécessaires pour comprendre le modèle et l'évaluer avec le centrage en place.
Pouvez-vous désactiver cela ? Oui. Dans la boîte de dialogue Fit Model, cliquez sur le triangle rouge en haut à gauche et "décochez" le choix Center Polynomials avant de cliquer sur Run. Cependant, gardez à l'esprit qu'en procédant ainsi, vous augmenterez la multicolinéarité dans le modèle, ce qui, à son tour, augmente la variance des estimations de paramètres et affecte les tests statistiques et la signification de ces estimations de paramètres.
Re : Besoin d'aide pour comprendre la variable d'interactionMerci pour cette explication car j'ai eu le même problème.
J'ai une autre question, après avoir simplifié la formule, est-il possible d'avoir simplement x1*x2 dans le tableau "estimations des paramètres" au lieu de (x1-a)*(x2-b) ?
Merci !
Besoin d'aide pour comprendre la variable d'interactionVous avez raison. Le nul est dû au fait que tous vos degrés de liberté sont épuisés. C'est pourquoi je vous ai demandé s'ils pouvaient être traités comme continus. Avez-vous essayé de modéliser en utilisant la personnalité du modèle pas à pas ?
Besoin d'aide pour comprendre la variable d'interactionLes 2 facteurs sont quantitatifs, mais peuvent être classés comme Nominaux.
La raison pour laquelle j'ai demandé est que lorsque j'exécute la commande d'ajustement du modèle avec les 2 facteurs et le croisement des 2 facteurs comme effets du modèle, le test F pour les effets du modèle est nul. Je pense que c'est parce que chaque facteur a 2 degrés de liberté et que l'interaction en a 4 autres, ce qui fait 8 degrés de liberté. Cela ne laisse aucun degré de liberté pour le terme d'erreur, c'est pourquoi le test F ne peut montrer aucun résultat. N'est-ce pas? Si j'exécute l'ANOVA sans les termes d'interaction, tout fonctionne bien. Et si je changeais l'un des facteurs en une variable continue, ça marche bien, mais je pense que dans mon cas, ils devraient tous les deux être définis comme nominaux.
Je cherchais en ligne et il semble qu'en règle générale, vous ne pouvez pas analyser correctement l'interaction entre 2 facteurs avec seulement 1 répétition/combinaison. Je voudrais juste être sûr de ce fait.
Besoin d'aide pour comprendre la variable d'interactionÇa devrait aller. S'il s'agit de facteurs catégoriels à 3 niveaux, le modèle est assez saturé, mais les termes d'interaction sont délimités. Vous pouvez également essayer une régression pas à pas pour rendre le modèle plus parcimonieux. Si un facteur est continu et un est catégorique, il me semble que lors de l'utilisation des "réponses simulées" sous le triangle rouge, vous avez suffisamment de DoF pour les interactions et l'erreur. Vous pouvez également ajouter une ligne supplémentaire et reproduire l'une des autres combinaisons.
Besoin d'aide pour comprendre la variable d'interactionJe comprends maintenant, merci.
Une autre question... Si j'ai un ensemble de données avec 2 facteurs, mais qu'il n'y a qu'une seule réplication/observation (comme illustré ci-dessous), je ne peux pas effectuer d'analyse d'interaction en raison d'un DoF insuffisant, n'est-ce pas ??
Facteur A Facteur B Réponse
1 a y1
1 b y2
1 c y3
2 à y4
2 b y5
2 c y6
3 a y7
3 b y8
3 c y9
Besoin d'aide pour comprendre la variable d'interactionAprès avoir ajusté votre modèle, allez dans le triangle rouge et choisissez enregistrer les colonnes> "formule de prédiction"
Cela enregistre la formule de prédiction de votre modèle dans la table de données.
Accédez à votre tableau de données JMP et vous remarquerez qu'une nouvelle colonne a été ajoutée à l'extrême droite nommée formule de prédiction
Double-cliquez sur l'en-tête de la colonne et une boîte de dialogue apparaîtra.
Sous le menu déroulant des propriétés de la colonne, mettez en surbrillance Formule
cliquez sur le bouton modifier la formule
allez dans le menu déroulant du triangle rouge et choisissez simplifier
Cela vous donnera les estimations simplifiées des paramètres.
La raison pour laquelle vous avez obtenu des estimations de paramètres étranges est que vous avez probablement choisi un plan à 3 niveaux. Vous auriez pu accomplir la même chose avec une conception à deux niveaux et simplement ajouter des points centraux, ce qui aurait pu être plus simple.
