Passendes Scheffe-Modell im Mischungs- und Nicht-Mischungs-DesignHallo,
Ich habe ein benutzerdefiniertes Design mit 4 Mischungsvariablen und 13 Nicht-Mischungsvariablen. Ich führe ein Screening-Experiment mit 24 Durchläufen durch. Wenn ich die Funktion „Modell anpassen“ nur mit Haupteffekten verwende und „Kein Schnittpunkt“ wähle, um ein Modell anzupassen,
1) Bekomme ich ein Scheffe-Modell?
2) Da ich ein Screening durchführe, beziehe ich keine Interaktionsterme in das Modell ein und interessiere mich daher nur für die Haupteffekte. Hat die Entwicklung eines Scheffe-Modells in diesem Fall einen Vorteil?
Betreff: Anpassen des Scheffe-Modells im Mischungs- und Nicht-Mischungs-DesignSie haben die richtige Idee. Natürlich kann der Multiplikator von 2 abhängig von den Freiheitsgraden usw. korrekt sein oder auch nicht. Daher ist die Verwendung von JMP einfacher. Klicken Sie mit der rechten Maustaste auf die Parameterschätzungstabelle und wählen Sie „Spalten“ > „Untere 95 %“ und „Obere 95 %“. Dadurch erhalten Sie das 95 %-Konfidenzintervall für jede der Parameterschätzungen.
Betreff: Anpassen des Scheffe-Modells im Mischungs- und Nicht-Mischungs-DesignIch glaube, ich verstehe jetzt die schnelle Lösung. Ich schreibe es nur hier, um sicherzustellen, dass ich es richtig verstehe:
Die Schätzungen meiner Mischungsvariablen X1, Dann sind die 95 %-KI meiner Schätzungen (B1-2*SD1, B1+2*SD1), (B2-2*SD1, B2+2*SD2) und so weiter. Dann berechne ich den Durchschnitt der Daten als Y /n wobei n die Anzahl der Beobachtungen ist. Nun, wenn das Intervall (B1-2*SD1,B1+2*SD1) enthält den Durchschnitt der Daten, das heißt, dass X1 nicht signifikant ist und umgekehrt. Hab ich recht?
Betreff: Anpassen des Scheffe-Modells im Mischungs- und Nicht-Mischungs-DesignDanke Dan!
Was die schnelle Lösung betrifft: Auf welche Daten beziehen Sie sich, wenn Sie das Konfidenzintervall der Parameterschätzung mit dem Gesamtmittelwert der Daten vergleichen? Handelt es sich um die Daten, die der abhängigen Variablen (Y) entsprechen, oder um die Daten, die den Mischungsvariablen entsprechen?
Betreff: Anpassen des Scheffe-Modells im Mischungs- und Nicht-Mischungs-DesignSoweit ich weiß, werden die Tests nur in unserem Schulungskurs behandelt: Design und Analyse von Mischungsexperimenten .
Eigentlich sind die Berechnungen korrekt, lediglich die Nullhypothese zu den Haupteffekten ist ungeeignet.
Bei einem Scheffe-Modell sollten die Haupteffekte die Parameterschätzungen mit dem Gesamtmittelwert der Daten vergleichen. Die Tabelle „Parameterschätzungen“ wird mit 0 verglichen.
Eine schnelle Lösung: Bilden Sie einfach die Konfidenzintervalle für jede Parameterschätzung. Wenn das Konfidenzintervall den Gesamtmittelwert der Daten enthält, hat diese Komponente nur geringe Auswirkungen. Wenn der Mittelwert außerhalb des Konfidenzintervalls liegt, hat diese Komponente einen Effekt.
Schlussfolgerungen zu etwaigen Interaktionseffekten wären völlig in Ordnung.
Betreff: Anpassen des Scheffe-Modells im Mischungs- und Nicht-Mischungs-DesignDanke Dan!
Ich verstehe, dass die Berechnung der p-Werte für Mischungsvariablen beim Scheffe-Modell nicht so einfach ist wie bei einem regulären Modell, da der t-Test die statistische Signifikanz der Komponenteneffekte nicht bewertet. Gibt es eine Dokumentation, die zeigt, wie die p-Werte für Mischungsvariablen im Falle eines Scheffe-Modells berechnet werden?
Betreff: Anpassen des Scheffe-Modells im Mischungs- und Nicht-Mischungs-DesignMit Version 13 von JMP ist der Varianzanalysebericht standardmäßig geschlossen. Sie müssen es öffnen, indem Sie oben in Ihrem Bericht neben „Antwort Y“ auf das rote Popup-Menü gehen, wobei Y der Name Ihrer Antwortvariable ist. Wählen Sie dort Regressionsberichte > Varianzanalyse. Denken Sie daran, dass Sie manchmal die Elemente, die Sie für Ihre Analyse benötigen, aus diesen roten Popup-Menüs anfordern müssen.
Was Ihre Parameterschätzungen betrifft: Wenn JMP den Entwurf erstellt hat, wird automatisch die Pseudokomponenten-Kodierung für Ihre Mischungsfaktoren sowie die „normale“ Kodierung für die Nicht-Mischungsfaktoren aktiviert. Dies setzt voraus, dass Sie bei der Erstellung des Designs die natürlichen Einheiten für Ihre Faktoren angegeben haben. Diese Codierung gibt keinen Hinweis darauf, ob ein Mischungsmodell an die Daten angepasst wurde oder nicht.
Betreff: Anpassen des Scheffe-Modells im Mischungs- und Nicht-Mischungs-DesignDanke Dan!
Aber wenn ich unter „Analysieren“ auf „Modell anpassen“ klicke, erhalte ich keinen Bericht zur Varianzanalyse. Ich erhalte die Parameterschätzungen der kleinsten quadratischen Anpassung.Ich beobachte, dass die Mischungsvariablen skaliert sind (Mittelwert = 0 und Bereich = 1) und ihre Parameterschätzungen ebenfalls vorhanden sind. Sind diese Schätzungen also die Koeffizienten des Scheffe-Modells?
Betreff: Anpassen des Scheffe-Modells im Mischungs- und Nicht-Mischungs-DesignImmer wenn Sie ein Modell mit Mischungsfaktoren erstellen, die sich auf 1 summieren, sollten Sie ein Mischungsmodell wie das Scheffe-Mischungsmodell anpassen. Wenn Sie dies nicht tun, erhalten Sie eine einzelne Matrixmeldung. Dies gilt sogar nur für ein Haupteffektmodell. Du hast wirklich keine Wahl.
Denken Sie daran, dass ein Scheffe-Mischungsmodell nicht dasselbe ist wie ein No-Intercept-Modell. Beim Anpassen eines Scheffe-Mischungsmodells in JMP wird im Bericht zur Varianzanalyse Folgendes angegeben: Getestet gegen reduziertes Modell Y=Mittelwert. Wenn es sich bei dem Modell um ein No-Intercept-Modell handelt, lautet die Meldung: Getestet gegen reduziertes Modell Y=0.
