最終的なスクリーニング方法の適合性JMPユーザー様
モデルを構築し、相互依存性を含む6つの異なる独立変数が特定の出力に与える影響を評価したいと思いました。その方法はよくわかりませんが、実行回数を最小限に抑えるために、各変数にLowとHighのレベルを割り当てました。それから私はJMPのFit決定的スクリーニング法を使い、プログラムが構築した重回帰モデルを実行し、そしてlogworthテーブルを使って各変数の効果をランク付けしました。
問題は、方法論は正しいのかということです。そうでなければ、JMPで重回帰分析を構築し、各変数のp値/ logworthと相互依存性を計算するための最良の方法は何でしょうか。
ありがとうございました
決定的なスクリーニング方法の適合性についてこんにちはイアン
返信が遅くなったことをお詫び申し上げます。今、私は本当にやりたいことをもっと理解していると思います
基本的に私はどのindp変数が私の出力に最も大きな影響を与えるかを調べるために感度分析をすることを目指しています。さて、問題は私の出力は別のモデルから来ているということです、言い換えればそれは決定論的モデルです
それで最初に私はJMPによって計算されたlogworth価値が私に最も重要な要因のランクを与えると思いました
しかし、今や私はlogworthが基本的にp値であるので私の理解は間違っていることを認識します。
だから私は何ができるかの任意の勧告？それともJMPが適していないのでしょうか。決定的なスクリーニング方法の適合性について統計的に計画された実験（略してDoE）を使用するとき、'設計'と '分析'は密接に関連するはずです。これを反映するために、（少なくともJMP 14では）原則は一般的ですが、'DOE>最終的スクリーニング'の下に2つのメニューオプションがあります。
そのため、分析に関するあなたの質問に対する答えは、実際に実行した実行（デザイン）によって大きく異なります。あなたは 'aを使ったと言う実行回数を最小限に抑えるための各変数の低レベルと高レベルそして、あなたは6つの要素の間の相互作用に興味があるということです。たぶんあなたは 'Tables> Anonymize'を使って結果を投稿することができますか？それから人々は続けることをもっと持っているでしょう。。。
