7438_de-DE

liliconcom

Fit-Modell: Quadratische Transformation vs. Polynom 2. Ordnung<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />

Ich verwende die Fit Model-Plattform in JMP, um eine einfache Standard-Anpassung der kleinsten Quadrate mit einem Modelleffekt zu erstellen.  Ich habe festgestellt, dass die Verwendung der quadratischen Transformation für den Effekt eine andere Anpassung ergibt als die Verwendung des Polynoms 2. Ordnung dieses Effekts (nachdem der Term erster Ordnung entfernt wurde und nur der Term zweiter Ordnung übrig bleibt).  JMP warnt vor dem Auslassen des Begriffs erster Ordnung aus dem Modell, aber ich habe mit der Analyse fortgefahren, die ein deutlich anderes Ergebnis liefert.  Was ist der Unterschied zwischen den beiden Ansätzen?

Re: Fit-Modell: Quadratische Transformation vs. Polynom 2. Ordnung

Wenn Sie im Hilfeindex nach "Center Polynomials" suchen, werden Sie Folgendes finden:

Bewirkt, dass jeder fortlaufende Begriff, der an einem Effekt beteiligt ist, dessen Grad größer als eins ist, durch seinen Mittelwert zentriert wird. Diese Option ist standardmäßig aktiviert, es sei denn, einem Begriff, der am Effekt beteiligt ist, wird das Attribut "Mixture Effect" zugewiesen oder es verfügt die Eigenschaft "Mixture". Begriffe mit der Eigenschaft "Codierungsspalte" werden in der Mitte zwischen den angegebenen Werten "Hoch" und "Niedrig" zentriert.

Zentrieren ist nützlich, um Regressionskoeffizienten besser interpretierbar zu machen und die Kollinearität zwischen Modelleffekten zu reduzieren . (mein Schwerpunkt)

Wenn Sie in Google nach "Center-Variablen" suchen, finden Sie weitere Informationen zu diesem Thema.

Michael

Re: Fit-Modell: Quadratische Transformation vs. Polynom 2. Ordnung

Ich mag deine Antwort, aber ich habe mich gefragt: WARUM die Polynome zentrieren?

Re: Fit-Modell: Quadratische Transformation vs. Polynom 2. Ordnung

Klicken Sie im Modelldialogfeld für das Polynom 2. Grades, bei dem der lineare Term entfernt ist, auf das rote Dreieck neben der Modellspezifikation und deaktivieren Sie die Option "Polynome zentrieren". Ihre Ergebnisse stimmen dann mit dem von Ihnen erstellten Modell überein. Die Modellvorhersagen sind gleich, egal ob zentriert oder nicht.

Michael