ERRORE: 0.05 diagramma di errore ombreggiato significativo della curva anche se il mio modello è significativo con un alto valore R2Mi adatto al modello in JMP. Tutto tranne il mio grafico sembra molto strano.
Il modello è significativo a 0,0476
RSquare 0,951662
RSquare Adj 0.794562
Errore quadratico medio radice 0.928013
Media della risposta 88.68333
Osservazioni (o Sum Wgts) 18
L'area rosa sembra coprire tutto come un errore. Qualcun altro ha incontrato questo?
Ri: ERRORE: 0.05 diagramma di errore ombreggiato significativo di Curve anche se il mio modello è significativo con alto valore R2Penso che potrebbero essere necessari alcuni dettagli in più. Tipicamente, questi strani tipi di risultati si verificano a causa della multi-collinearità molto elevata nei termini del modello.
Che aspetto hanno i grafici a leva?
Se fai clic con il pulsante destro del mouse sulla tabella delle stime dei parametri e aggiungi la colonna VIF, che aspetto hanno questi numeri?
Ri: ERRORE: 0.05 diagramma di errore ombreggiato significativo di Curve anche se il mio modello è significativo con alto valore R2Ciao Dan, grazie per la tua rapida risposta.
I Leverage Plots sembrano tutti abbastanza buoni. Foto di esempio allegate qui.
Il VIF è piuttosto alto (> 5):
VIF
12,19,448 mila
11.013741
16.435892
28.099305
1.1546501
1.2200138
7.8651502
14.560553
5.9118511
10.052586
8.2589787
5.4652854
5.4652854
1.0590402
Tuttavia, anche quando passo attraverso il modello per eliminare alcuni di questi fattori, una versione raffinata del modello con VIF inferiore a 3 ha ancora la stessa trama ombreggiata. (allegato qui). Questo è anche uno studio della miscela in modo che X1, 2, 3 e X4 siano intrinsecamente correlati (sommati fino a una somma del 100%).
Ri: ERRORE: 0.05 diagramma di errore ombreggiato significativo di Curve anche se il mio modello è significativo con alto valore R2Ah, la situazione della miscela spiega molto questo. Stai adattando un modello Scheffe. In genere hanno più errori associati alla previsione a causa della collinearità incorporata dei fattori di miscela.
Espandi la scala dell'asse y nella trama osservata rispetto a quella prevista. Penso che vedrai apparire i limiti di errore. Ci sarà probabilmente un errore elevato perché in questo modello non si hanno molti termini significativi. Forse solo un termine, X6.
Il significato dei tuoi termini X1-X4 è fuorviante. I valori p sono associati al test che confronta la stima del parametro a 0. Ma tu stai adattando un modello di Scheffe. La stima dei parametri per un termine di miscela Scheffe è la combinazione della media dei dati e dell'effetto del componente. Quindi un test più significativo sarebbe quello di confrontare il parametro con la media generale (88,68 per lo scenario). Considerando ciò, vedrete che nessuno dei termini da X1 a X4 sembra essere "significativo". È possibile verificare aggiungendo l'intervallo di confidenza del 95% su ciascuna delle stime dei parametri. Se gli intervalli di confidenza per X1 - X4 contengono la media globale, quel componente non ha molto effetto.
Detto in altro modo, sembra che tu stia ottenendo la stessa risposta ovunque all'interno dello spazio della miscela. X5 non sembra avere un impatto, ma X6 lo fa.
Ri: ERRORE: 0.05 diagramma di errore ombreggiato significativo di Curve anche se il mio modello è significativo con alto valore R2Grazie Dan. Ciò ha senso.
Data questa interpretazione, il mio modello è ancora significativo ad alpha <0.05 corretto? Anche se si basa solo sul valore di X6?
Grazie ancora
Ri: ERRORE: 0.05 diagramma di errore ombreggiato significativo di Curve anche se il mio modello è significativo con alto valore R2Hai ragione sul fatto che il modello generale è probabilmente significativo, basato sul termine X6.
Renditi conto che, a causa dei problemi con gli effetti principali di un modello Scheffe, il test del modello generale può rivelarsi significativo anche se il modello non lo è.
Ri: ERRORE: 0,05 significativo grafico di errore ombreggiato dalla curva anche se il mio modello è significativo con un valore R2 elevatoCiao Dan,
Ho un seguito al Problema di adattamento del modello Scheffe nella piattaforma del modello di adattamento. Esiste un modo per adattare questo modello in modo appropriato in cui la stima dei parametri sta confrontando la stima con null = mean invece di confrontarla con null = 0?
In altre parole, esiste un modo migliore per adattare questo modello per ottenere un output più corretto e trasferire l'equazione?
Grazie,
Ri: ERRORE: 0,05 significativo grafico di errore ombreggiato dalla curva anche se il mio modello è significativo con un valore R2 elevatoUn mio collega ha scritto una sceneggiatura per fornire i test corretti. Tuttavia, avverto sempre chiunque lavori con le formulazioni: cosa farai con queste informazioni? Supponiamo che un componente non sia significativo. Cosa significa veramente? Significa che potresti rimuovere quel componente dalla formulazione? No, non significa questo. POTREBBE essere in grado di rimuoverlo dalla formulazione, ma i modelli Scheffe NON sono causa-effetto. Quindi, usa questo con cautela. Infine, questo script aggiungerà colonne a una tabella di stime dei parametri esistente (anche se quel report è chiuso). Vedrai dei test su tutti gli effetti del modello, il rapporto è valido solo per gli effetti principali.
Names Default to Here( 1 );
// find current Fit Least Squares platform
window = Get Window List();
n windows = N Items( window );
For( w = 1, w <= n windows, w++,
window ref = Get Window( w );
title = window ref << Get Window Title;
If( Contains( title, "Fit Least Squares" ),
Break();
);
);
// obtain values for proper t-test of estimates
mean = window ref["Summary of Fit"][NumberColBox(1)] << Get( 4 );
err df = window ref["Analysis of Variance"][NumberColBox(1)] << Get( 2 );
estimate = window ref["Parameter Estimates"][NumberColBox(1)] << Get As Matrix;
std err = window ref["Parameter Estimates"][NumberColBox(2)] << Get As Matrix;
// compute t-ratios
t ratio = (estimate - mean) :\</img> std err;
// compute p-value for each t-ratio
p val = 2 * (1 - Students t Distribution( Abs( t ratio ), err df ));
// add proper test to report
window ref["Parameter Estimates"][TableBox(1)]
<< Append( Number Col Box( "Proper t Ratio", t ratio ) )
<< Append( Number Col Box( "Proper Prob>|t|", p val ) );
window ref["Parameter Estimates"][NumberColBox("Proper Prob>|t|")] << Set Format( 8, 97) << Set Conditional Format( "PValue" );
window ref["Parameter Estimates"] << Append(
Text Box( "Proper tests valid for linear terms only!" );
);
Ri: ERRORE: 0,05 significativo grafico di errore ombreggiato dalla curva anche se il mio modello è significativo con un valore R2 elevatoGrazie Dan per la tua risposta dettagliata.
Non sto cercando di rimuovere alcun componente dalla formulazione. In realtà abbiamo 4 diverse risposte per questa miscela DOE e sono stati costruiti 4 modelli. Spero di identificare il parametro che conta davvero in ogni modello e di combinare le equazioni di previsione dei 4 modelli per massimizzare la desiderabilità.
