Intervalles de confiance dans le profileur de prédiction (interprétation)salut
Pourrais-tu m'aider s'il te plait? J'apprends encore le DOE.
Comment interpréter les intervalles de confiance dans le profileur de prédiction?
Il y a donc des effets et des interactions importants. Cependant, lorsque "remise" vaut 0 et que "direct_comm" vaut 1, la différence n'est pas significative (image ci-dessous)?
Alors, comment puis-je interpréter un autre cas où les CI de "discount" sont importants mais les CI de "direct_comm" ne le sont pas?
Le reste:
Grand merci!
Re: intervalles de confiance dans le profileur de prédiction (interprétation)Votre question comporte deux types d’interprétation: l’interprétation des tests des estimations de paramètres et l’interprétation des prédictions du modèle.
Les trois termes du modèle sont significatifs. Vous ne devez en supprimer aucun, sinon vous fausserez le modèle.
Les prédictions sont correctes. Les traces vues dans le profileur de prédiction sont basées sur le modèle et les niveaux de facteur donnés. L'effet d'interaction (2,5) est presque aussi important que les effets de premier ordre (ou principaux) (3 et -3). Il s'agit donc d'une caractéristique majeure du profilage.
Un important effet d'interaction signifie que le l'effet d'un facteur (remise) dépend du niveau d'un autre facteur (direct_comm) .
- La modification de la remise n'a pratiquement aucun effet lorsque direct_comm vaut 1.
- Il n'y a pratiquement aucun effet de changer direct_comm lorsque discount est égal à 0.
- La modification de la remise lorsque direct_comm a pour valeur 0 a un effet marqué.
- La modification de direct_comm lorsque la remise est égale à 1 a un effet important.
Ce cas illustre pourquoi les interactions dans la réponse sont si importantes pour la modélisation et la prévision. Le prédicteur est un excellent moyen de comprendre et d’exploiter les effets d’interaction.
