Necesito ayuda para entender la variable de interacción<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hola
Estoy tratando de realizar un análisis simple de 2 vías de un experimento; cada factor tiene 3 niveles con una réplica cada uno. Ambas variables son continuas. Cuando ejecuto el análisis y miro las estimaciones de salida y parámetros, veo lo siguiente:
Interceptar
Factor 1
factor 2
(Factor 1 - x) * (Factor 2 - y) donde x e y parecen ser un valor promedio/arbitrario
¿Alguien puede explicar cómo usaría (Factor 1 - x) * (Factor 2 - y) en la ecuación de regresión?
Además, cuál es la mejor manera de determinar qué niveles de los diferentes factores son más significativos.
gracias
Re: Necesito ayuda para entender la variable de interacciónAh, sí. Creo que también hiciste esta pregunta en otro hilo. El centrado se realiza para reducir la colinealidad causada por las diferencias de escala. Es una forma de que JMP te ayude con tu análisis.
Por ejemplo, supongamos que el factor X1 tiene el rango de 100 a 200 y el factor X2 tiene el rango de 1 a 2 con este diseño:
X1 X2 X1*X2
100 1 100
100 2 200
200 1 200
200 2 400
La interacción tendría el rango de 100 a 400. La correlación entre X1 y la interacción X1*X2 es 0,688, que es bastante alta. Si centro X1 y X2 antes de multiplicar, la correlación entre X1 y la interacción centrada X1*X2 es 0. Esto es algo bueno y es por eso que JMP lo hace. Además, JMP proporciona las herramientas necesarias para comprender el modelo y evaluarlo con el centrado en su lugar.
¿Puedes apagar esto? Sí. En el cuadro de diálogo Ajustar modelo, haga clic en el triángulo rojo en la parte superior izquierda y "desmarque" la opción Centrar polinomios antes de hacer clic en Ejecutar. Sin embargo, tenga en cuenta que al hacer esto aumentará la multicolinealidad en el modelo que, a su vez, aumenta la varianza de las estimaciones de los parámetros y afecta la prueba estadística y la significación de esas estimaciones de los parámetros.
Re: Necesito ayuda para entender la variable de interacciónGracias por esta explicación ya que yo tenía el mismo problema.
Tengo otra pregunta, después de simplificar la fórmula, ¿hay alguna forma de tener simplemente x1*x2 en la tabla de "estimaciones de parámetros" en lugar de (x1-a)*(x2-b)?
Gracias !
Necesito ayuda para entender la variable de interacciónEstás en lo correcto. El nulo se debe al hecho de que todos sus grados de libertad están agotados. Por eso te pregunté si podían ser tratados como continuos. ¿Intentaste modelar usando la personalidad del modelo paso a paso?
Necesito ayuda para entender la variable de interacciónLos 2 factores son cuantitativos, pero se pueden clasificar como Nominales.
La razón por la que pregunté es porque cuando ejecuto el comando de ajuste del modelo con los 2 factores y el cruce de los 2 factores como efectos del modelo, la prueba F para los efectos del modelo es nula. Yo creo que es porque cada factor tiene 2 grados de libertad y la interacción tiene otros 4, lo que hace 8 grados de libertad. Esto no deja grados de libertad para el término de error, por lo que la prueba F no puede mostrar ningún resultado. ¿No es así? Si ejecuto el ANOVA sin los términos de interacción, funciona bien. Y si cambié uno de los factores a una variable continua, funciona bien, pero creo que en mi caso ambos deberían establecerse como nominales.
Estaba buscando en línea y parece que, como regla general, no se puede analizar correctamente la interacción entre 2 factores con solo 1 réplica/combinación. Sólo me gustaría estar seguro de este hecho.
Necesito ayuda para entender la variable de interacciónDeberías estar bien. Si ambos son factores categóricos de 3 niveles, el modelo está bastante saturado, pero se delinean los términos de las interacciones. También puede intentar una regresión por pasos para que el modelo sea más parsimonioso. Si un factor es continuo y el otro es categórico, al utilizar las "respuestas simuladas" debajo del triángulo rojo me parece que tiene suficiente DoF para las interacciones y el error. Alternativamente, también podría agregar una fila adicional y replicar una de las otras combinaciones.
Necesito ayuda para entender la variable de interacciónAhora entiendo, gracias.
Otra pregunta... Si tengo un conjunto de datos con 2 factores, pero solo hay 1 replicación/observación (como se muestra a continuación), no puedo hacer ningún análisis de interacción debido a un DoF insuficiente, ¿correcto?
Factor A Factor B Respuesta
1 a y1
1 por y2
1 c y3
2 un y4
2 por y5
2c y6
3 un y7
3 por y8
3c y9
Necesito ayuda para entender la variable de interacciónPrimero, después de ajustar su modelo, vaya al triángulo rojo y elija guardar columnas> "fórmula de predicción"
Esto guarda la fórmula de predicción para su modelo en la tabla de datos.
Vaya a su tabla de datos de JMP y notará que se ha agregado una nueva columna en el extremo derecho llamado fórmula de predicción
Haga doble clic en el encabezado de la columna y aparecerá un cuadro de diálogo.
En el menú desplegable de propiedades de la columna, resalte Fórmula
haga clic en el botón editar fórmula
vaya al menú desplegable del triángulo rojo y elija simplificar
Eso le dará las estimaciones de parámetros simplificados.
La razón por la que obtuvo estimaciones de parámetros extrañas fue porque probablemente eligió un diseño de 3 niveles. Podría haber logrado lo mismo con un diseño de dos niveles y simplemente agregar puntos centrales que podrían haber sido más simples.
