Superficie di rispostaCari JMP,
Sono un nuovo utente di JMP. Sto usando Response Surface (BOX-B) per ottimizzare la mia formula. Ho tre fattori, ogni fattore ha tre livelli. Ho eseguito 14 test in totale (inclusi due punti centrali).
Il mio problema ora è che il significato generale di ANOVA (test F) è più alto del mio livello di significatività (0.05), questo significa che il modello non si adatta anche se il valore p insufficiente è più alto del mio livello di significatività? Cosa dovrei fare con questo?
Molte grazie!
Ri: superficie di rispostaInnanzitutto, sono d'accordo @markbailey e @louv sulla rimozione di alcuni dei termini di ordine superiore meno significativi per migliorare la tua idoneità complessiva.
Solo un paio di cose che potresti prendere in considerazione.
Poiché stai lavorando con miscele o componenti di miscele, tutti i componenti della miscela saranno completamente correlati o detto in un altro modo non sono / non possono essere indipendenti l'uno dall'altro, quindi con questo in mente avrai aliasing / confounding con il tuo modello che guiderà a un valore ANOVA (F-Test) superiore. Questo è un comportamento più o meno previsto con le miscele.
In base alla tua conoscenza del dominio, ci sono combinazioni dei componenti della miscela che sai non funzioneranno o ti daranno risultati negativi? In tal caso, puoi aggiungere vincoli al tuo progetto in modo che le combinazioni di preoccupazione non siano parte del tuo progetto.
Un'altra opzione adatta che potresti provare è una Scheffe Cubic per vedere se ti trovi meglio. Fai attenzione però perché a volte un Rsquare migliore non significa un modello predittivo migliore. Usa il tuo riepilogo degli effetti anche qui per rimuovere termini di ordine superiore che non sono importanti per il modello. Confronta i tuoi modelli e vedi quale modello è il migliore.
HTH
Conto
Ri: superficie di rispostaD'accordo con la valutazione di Mark. Sembra buono e probabilmente migliorerà rimuovendo i termini insignificanti.
La cosa aggiuntiva che vorrei condividere dopo molti anni è "più è meglio è" rispetto ai fattori di screening prima di qualsiasi RSM. Con i Definitive Screening Design di recente introduzione, ad esempio, è possibile schermare in modo efficiente 10 fattori in 25 sessioni. Sto solo condividendo queste idee perché quando mi viene chiesto "cosa faresti se dovessi fare tutto di nuovo", direi che avrei voluto che io avessi esaminato più fattori prima di sub ottimizzarne alcuni.
Ri: superficie di rispostaGrazie, Bill. Sì, sto mescolando la gomma con i polimeri. Potresti per favore indicare cos'altro ho bisogno di prendere in considerazione? Grazie.
Ri: superficie di rispostaGrazie mille.
Ri: superficie di rispostaIn base a ciò che stai mostrando sembra che tu stia facendo miscele di gomma, perossido e co-agente. Se questo è veramente ciò che stai facendo, ci sono alcune altre cose da tenere in considerazione con il tuo modello insieme a cosa @markbailey stava suggerendo.
Ri: superficie di rispostaPotresti provare a rimuovere alcuni dei termini di ordine superiore meno significativi come X3 * X3 e X1 * X2. È inoltre possibile modificare la personalità di fitting nella finestra di dialogo Fit Model su Stepwise e utilizzarla come ausilio per la selezione del modello.
Grazie per aver condiviso i tuoi risultati JMP: le cose andrebbero diversamente.
