確定スクリーニングのフィット：主効果プロットがモデルのパラメーター推定値と一致しないこれについては簡単な説明があるはずだと思いますが、今日は「統計学者のブロック」を持っています。
添付のデータでは、少なくとも2つのことに興味があります。
1。決定的スクリーニングにあてはめると、X__3は有意であり、X__2ではなくと識別されます。これを行うためにFit Modelを使用すると、X__2のパラメーター推定値はX__3のパラメーター推定値よりはるかに小さいので、t比が小さくなるため、X__2は重要ではありません。それは問題ありませんが、ここに示す主効果プロットと矛盾するようです。
2。予測プロファイラーに基づいて、X__7のパラメーター推定値は、主効果プロットに表示されているものとは符号が異なります。
私はこれまで考えてきた仮説：（a）どういうわけか相互作用が主な効果の見積もりに影響を与えています（これが私が2番目のy変数X__9を作成した理由です） 。同じ現象がX__8とX__9の両方に存在することを考えると、私はこれを除外しました。（b）DSDにおけるカテゴリー的要因の存在は、継続的要因との交絡を生み出している。可能ですが、このDSDの設計診断では、連続量とカテゴリ量の間の相関がごくわずかであることを示しています（r = 0.1程度）。また、これがどのようにしてX__3がX__2よりも前に選択されるのかを理解するのは困難です（デザインマトリックスのこれら2つの列の間に相関関係がないため）。
データが添付されています。注意2つのy変数があります。本当のyはX__8です。私はX__9を、重要な相互作用を取り除く方法で作成しました。
再定義：確定スクリーニング：主効果プロットはモデルのパラメーター推定値と一致しませんBradleyが言及している動作はJMP 14.1で対処されていることを確認できます。これは間もなく利用可能になるでしょう。
再定義：確定スクリーニング：主効果プロットはモデルのパラメーター推定値と一致しませんカテゴリー因子がアクティブでない場合は、主効果プロットが役立ちます。ただし、カテゴリカル要因に大きな影響がある場合は、主な効果のプロットではなくプロファイラを使用してください。
JMP 14のこの望ましくない動作を変更するには遅すぎますが、JMP 14.1の主効果の重回帰からの係数を使用して線をプロットしたいと思います。
再定義：確定スクリーニング：主効果プロットはモデルのパラメーター推定値と一致しませんそれで、本質的に、カテゴリカルな要素で "DSD"を実行しているならば、主な効果プロットを無視するべきですか？「確定的スクリーニングにフィット」縮小モデルは、エイリアシングを破るためのより多くのデータを収集するのではなく、我々が得ることができる最良の推定値を与えていますか？
再定義：確定スクリーニング：主効果プロットはモデルのパラメーター推定値と一致しませんここにいくつかの問題があります。
主効果プロットでは、表示されているフィットラインは、各xに対するyの単純な線形回帰の結果です。カテゴリカル因子がない場合は、線形回帰を行った場合でも重回帰を行った場合でもすべての主因子が直交するため、すべての因子の傾きは同じになります。2つのカテゴリー的要因があるので、これらの要因と他のすべての要因との間には小さな相関があります。
X3はカテゴリファクターX5およびX7と相関しているため、モデル内にX3がYにフィットすることを示す主効果プロットは、X5およびX7からのエイリアシングにより、係数0.08になります。対照的に、主効果モデルにおけるその係数は0.22です。
X 2もX 5およびX 7と相関しています。主効果プロットの係数は0.157で、主効果モデルの係数は0.014です。この場合、X2とYの単純な傾きは、X5とX7によるエイリアシングのために再び急勾配に見えます。
あなたのデータテーブルはDSDではないことを私は指摘するべきです。主な効果と2因子の相互作用の間には相関関係があります。これは、X5とX7のいくつかのエントリがフォールドオーバーペア間で切り替えられたためです。
