擬合定義篩选和標準最小二乘法中的不同參數估計嗨！
我想找到球形結晶過程中的重要因素。我在三個級別上進行了6個因子的最終篩選設計，另外還有4個因子（2個假因子）。我正在測量幾種不同的反應。
我使用Fit Definitive Screening分析了數據並得到了有意義的結果。當我繼續使用標準最小二乘法製作模型時，我注意到，參數估計值在使用標準最小二乘法和擬合最終篩選法進行的模型中是不同的。p值對於某些因素是相同的，而對於其他因素則非常接近。它也讓我擔心，在一個因素（V比率）中，Estimate得到減號（見下圖）。這改變了很多模型。（+符號更符合邏輯，基於對過程的理解）。據我所知，參數估計應該是相同的。如何獲得相同的參數估計值？
當我分析我的其他回答時，我也得到了不同的參數估計值，但符號（+/-）保持不變。然而，預測剖面儀中的標準最小二乘法報告中的一些結果非常不邏輯（我得到了粒子平均直徑的負數）。這讓我覺得標準最小二乘報告有問題，因此我也不能相信實際預測圖中的數據等。有沒有更好的方法來評估模型擬合？
我還注意到，在標準最小二乘法報告中，預測剖面儀在Y軸上具有屈服，儘管事實上，我輸入了Root Square Yield作為響應。在Actual by Predicted Plot的軸上，使用Root Square Yield，因為它應該如此。我該如何解決這個問題？
謝謝
Re：擬合定義篩选和標準最小二乘法中的不同參數估計我解決了這個問題。問題是，我正在分析數據表，其中我輸入因子的最小值為-1，中間值為0，最大值為1。這與Fit Definitive Screening的結果沒有區別，但顯然與標準最小二乘和逐步回歸有很大不同。當我在數據表中輸入“真實”值時，所有三個分析的結果與預期的相同。
謝謝您的幫助。
Re：擬合定義篩选和標準最小二乘法中的不同參數估計謝謝你的介詞。我會嘗試的。Re：擬合定義篩选和標準最小二乘法中的不同參數估計我熟悉已發表的結果（期刊，JMP幫助和瓊斯博士），我已經毫無問題地複制了它們。其他實驗也是如此，我在這裡不能分享。從來沒有出現過差異。
您已明確說明了您的操作並分享了您無法解決的結果。我建議您將此案例提交給JMP技術支持（support@jmp.com），然後在此處與他們的調查結果分享。您應該可以放心使用Fit Definitive Screening。
Re：擬合定義篩选和標準最小二乘法中的不同參數估計不，我在窗口中轉換了Yield，您必須在Fit Definitive Screening之前選擇響應和因子。
然後我點擊Make Make並將所有內容保留原樣（選擇平方根產量作為響應和因子，在Fit Definitive Screening中找到活動因子）。如果我只是點擊運行模型我會得到相同的結果。
我想強調的是，當我分析未轉換的響應時，我得到了不同的參數估計值。但是，如果我使用逐步回歸分析相同的數據，則標準最小二乘報告中的參數估計與我得到的相同。如果我比較從轉換數據得到的結果，來自不同分析的所有三個參數估計都是不同的。
我知道我們正在談論不同的分析，但布拉德利瓊斯博士在視頻中說 http://video.sas.com/detail/videos/analytics-in-action/video/4492688979001/a-new-analytical-approach-for-definitive-screening-designs ，參數估計應該是相同的。對於JMP for Fit Definitive Screening（Extraction 3）中的示例數據也是如此。（在此示例中，參數估計與所有三種不同的分析相同，如上所述）。
Re：擬合定義篩选和標準最小二乘法中的不同參數估計請記住，Fit Definitive Screening和Fit Least Squares是非常不同的分析。前者是兩階段分析，後者是一個階段。前者結合了兩個階段的結果，其中第二階段同時獲得所有結果。
Re：擬合定義篩选和標準最小二乘法中的不同參數估計您是否為Yield設計了實驗，然後為Root Square Yield創建了一個新列？表腳本不會捕獲該更改，因此您可能會將“apples”與“oranges”進行比較。
另外，您是否使用數據表中的模型腳本來獲取最小平方或者您是否單擊了適合最終篩選平台底部的運行模型？同樣，它可能會有所作為。事實上，你觀察到屈服，而不是根方產量，這讓我很奇怪。
另一方面，您是否在Y變量中輸入Yield並在擬合模型對話框中應用變換？該操作還將在預測分析器中提供未轉換的響應。
我知道我錯了，但我只是想找出差異的來源。
