輪廓預測的回歸或相關我目前正在對烤箱配置文件進行分析。我們有來自熱電偶的烤箱的16個數據點。和2個最大數據重新計算最高熱溫度和最高冷溫度。
16個數據點和2個最大數據點是輸出響應。這意味著有兩組輸出響應 - 1）來自熱電偶的溫度曲線2）烤箱顯示溫度來自2個傳感器。
哪種分析最適合使用這兩個數據集預測實際輪廓溫度？
相關或回歸擬合模型？由於它都是輸出響應，我對此感到困惑。
由於這是曲線響應，我發現使用二次回歸模型更合適。對這種情況的正確分析方法的任何幫助都是有用的。
Re：輪廓預測的回歸或相關你的.pptx信息很豐富，但只是包含了測量值的截圖，所以我只能得到一般的印象。顯然，更多的數據會很好，TBH，我認為在這些數據可用之前我不會提出合理的建議。
在這種情況下，在考慮建模之前，必須以圖形方式查看數據，以更好地理解其包含的變體來源。烤箱運行你目前來自幾個不同的“托盤”，“類型”和“序列”條件，並且（如果我嚴格地採用顏色編碼並忽略任何關於測量不確定性的問題），它看起來像溫度的模式烤箱內可能取決於這些條件。因此，您需要確定您的“預測”（使用尚未指定的統計approcah）是否旨在一起涵蓋所有案例，或僅針對某些案例。無論如何，無論你最終使用什麼技術，從兩個中獲得十六個數字似乎都是雄心勃勃的。
Re：輪廓預測的回歸或相關附件是烤箱熱電偶讀數和烤箱顯示屏的溫度讀數。
基本上在我們的研究中，我們實際上試圖看到我們從烤箱室獲得的實際熱電偶讀數與烤箱上顯示的兩個讀數之間的關係。我們記錄了熱電偶讀數的最大值和烤箱顯示讀數。現在我們要做的是僅用顯示讀數來預測烤箱腔室讀數。我們正在收集更多數據。但是我的問題是二次擬合回歸模型是否合適。它們會被視為因變量嗎？回歸模型是否適合這種正確的統計方法？
Re：輪廓預測的回歸或相關是的，'輸入'或'輸出'都是一個人的觀點！
我從你的描述中有一個大概的想法，但我認為當你說'...時你需要更具體一點。烤箱輪廓分析'。這種分析的實際目標是什麼？舉個例子，想要控制溫度曲線，或者甚至使其更均勻，這種情況並不罕見，因為這會影響烤箱的溫度。在“控制”的情況下，可能或者可能僅使用記錄的最大值和最小值（而不是其他16個）。這種可能性是否合理可以通過分析來確定，該分析旨在理解16個測量與其他2個測量之間的關係。在該分析中，16將被視為輸入，而2將被視為輸出。
一旦明確這一點，人們應該能夠提供一些關於哪些技術可能有助於確定感興趣關係的建議。像往常一樣，如果您能夠共享一些，JMP表中的示例數據將有所幫助。
