Test auf Krümmung In 2 Ebenen vollfaktoriell mit Mittelpunkten<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Ich bin es gewohnt, Minitab zum Analysieren einer 2-stufigen Fakultät mit einer bestimmten Anzahl von Mittelpunkten zu verwenden.In Minitab gibt es einen Test für die Krümmung (im Gegensatz zu einem Mangel an Anpassungstest in JMP).Gibt es etwas Ähnliches in JMP oder sollte ich einfach den Mangel an Anpassungstest verwenden?
Betreff: Krümmungstest In 2 Ebenen vollfaktoriell mit MittelpunktenHallo Schurpj,
In Bezug auf Ihren Kommentar zu mangelnder Eignung. Mangelnde Anpassung – falls signifikant – zeigt Ihnen, dass dem Modell etwas fehlt, was das Modell erheblich verbessern würde. Dabei muss es sich nicht unbedingt um einen quadratischen Effekt handeln. Es könnte auch ein fehlender Interaktionseffekt oder etwas sein, das Sie nicht gemessen haben, das sich aber auf Ihre Antwort auswirkt.
" Die Differenz zwischen der Fehlersumme von Quadrate aus dem Modell und die reine Fehlersumme von Quadrate heißt die passt nicht Summe von Quadrate. Das passt nicht Die Variation kann erheblich größer sein als die reine Fehlervariation, wenn das Modell nicht angemessen ist. Beispielsweise haben Sie möglicherweise die falsche funktionale Form für einen Prädiktor oder Sie haben möglicherweise nicht genügend oder nicht die richtigen Interaktionseffekte in Ihrem Modell. (Dokumentation)
Betreff: Krümmungstest In 2 Ebenen vollfaktoriell mit MittelpunktenEine Art einfache Möglichkeit, einen Krümmungstest durchzuführen, besteht darin, zu prüfen, ob die Modellterme, die dem Vorhandensein einer Krümmung entsprechen würden, in den Parameterschätzungen signifikant sind. Wenn zweite Ordnung oder quadratische Terme nicht wichtig sind, können Sie keine Krümmung haben.
Betreff: Krümmungstest In 2 Ebenen vollfaktoriell mit MittelpunktenDanke für deinen schnellen Beitrag. Als Follow-up oder Klarstellung, ein ziemlich
Der Standard- und einfache Test für die Krümmung in dieser Situation ist der Vergleich
Durchschnitt der Mittelpunkte zum Durchschnitt der Eckpunkte. Wenn dies
Der Unterschied ist groß genug, dann haben Sie wahrscheinlich eine Krümmung und dies rechtfertigt
weitere Studie, um den/die Faktor(en) zu identifizieren. Ich kann diesen Test manuell in durchführen
JMP dachte aber, dass ein ziemlich standardisierter Test wie dieser darstellbar wäre
Irgendwo im Dialog. Wenn nicht, dann sei es so.
Betreff: Krümmungstest In 2 Ebenen vollfaktoriell mit MittelpunktenHallo schuprj,
Sie haben mindestens ein paar Möglichkeiten, die Krümmung zu überprüfen.Als Erstes zeichnen Sie das Residuum nach vorhergesagten Werten unter dem roten Hotspot, wenn Sie Modell anpassen verwenden, um Ihr Modell zu erstellen.Gehen Sie zu Zeilendiagnose > Residuum nach Vorhersage darstellen.Sehen Sie sich die Streuung der Restpunkte an und prüfen Sie, ob sie zufällig oder in einer Art Muster sind.Eine andere Option besteht darin, ein Nur-Haupteffekte-Modell anzupassen und dann ein Antwortoberflächenmodell anzupassen.Bei einer Krümmung werden zwei Dinge passieren.Ihr Anpassungsmodell wird verbessert, wenn einer der quadratischen Terme für Ihr Modell wichtig ist, und Sie sehen die Krümmung in Ihrem Vorhersageprofiler, wo die Krümmungsterme aktiv sind.
