Profiler di previsioneCiao,
Ti scrivo perché ho trovato delle differenze tra due grafici. Il primo grafico è realizzato su JMP ed è un profilo di previsione e il secondo è realizzato in minitab. La mia domanda è perché ho trovato un risultato strano nel grafico JMP. Ho trovato un valore di risultato di tipo negativo quando in realtà non ce l'ho quindi ho trovato più coerente il risultato su Minitab. Tuttavia, preferisco di più il modo in cui JPM fornisce i risultati. Pertanto, vorrei sapere perché ho una tale varianza.
PMP 14
Risultato Minitab
Ri: Profiler di previsioneCIAO @Archi ,
Come ha detto Mark, il "Main Effects Plot" di Minitab che hai mostrato qui mostra qualcosa di molto diverso dal profiler di previsione in JMP * durante l'adattamento del modello con le interazioni . Se si adatta un modello di soli effetti principali, JMP Prediction Profiler e "Main Effects Plot" di Minitab mostrano essenzialmente la stessa cosa (aggiornamento: assumendo dati equilibrati, un numero uguale di osservazioni in ogni cella del disegno -- grazie per la nota, Mark).
Ho organizzato il profiler in file di due in modo da corrispondere il più possibile a Minitab per te, Prediction Profiler Triangolo rosso > Aspetto > Disponi in righe:
Detto questo, il motivo per cui questi grafici corrispondono in questo caso particolare (un modello di soli effetti principali con dati bilanciati), ma non nel modello che hai inserito prima, va dritto al nocciolo di ciò che @Mark_Bailey stava spiegando ed è una cosa fondamentale da capire sulle scelte che facciamo nei modelli.
Il profiler di previsione in JMP visualizza il file condizionale relazione tra Y e un dato predittore, dato il livello selezionato degli altri predittori, mentre il grafico degli effetti principali di Minitab essenzialmente ignora gli altri fattori e mostra la relazione media tra Y e un dato predittore. Quindi cosa significa, e perché l'output di JMP e Minitab corrisponde nel caso precedente, dove inserisco un modello di soli effetti principali in JMP? Prendiamo il modello iniziale che hai mostrato per la prima volta (e ciò che è salvato nella tua tabella dati).
Mettendo da parte per il momento il punto sollevato da Mark sull'inestimabilità di alcuni di questi termini (il che è certamente importante, ma è un punto a parte rispetto a questo post), questo modello mira a comprendere (cioè stimare statisticamente) anche gli effetti principali per ciascun predittore come le interazioni bidirezionali tra ciascuna coppia di predittori. Queste interazioni sono fondamentali per la differenza tra un grafico degli effetti principali e il profiler di previsione perché le interazioni consentono al nostro modello di catturare le relazioni tra Y e ciascun predittore che può essere diverso quando il livello di un altro predittore cambia.Diamo un'occhiata al profiler di questo modello e cambierò il livello di avanzamento per dente. Mentre lo faccio, osserva la relazione tra l'usura dell'utensile e il tipo di utensile all'estrema sinistra:
Noterai che la relazione tra l'usura dell'utensile (y) e il tipo di utensile all'estrema sinistra è diversa a diversi livelli di avanzamento per dente.C'è un'interazione tra queste variabili.Ci sono anche interazioni tra il tipo di strumento e le altre variabili.Una trama "solo effetti principali" fa semplicemente la media su quelle diverse relazioni per arrivare alla relazione media e incondizionata. Questo è ciò che minitab mostra nel grafico degli effetti principali, ed è ciò che JMP mostrerà nel forecast profiler Se ti adatti a un modello senza interazioni, come questo:
Farò lo stesso esercizio con il profilatore sotto cambiando avanzamento per dente. Ancora una volta, guarda la relazione tra l'usura dell'utensile e il tipo di utensile: 
Questa volta noterai solo le modifiche dell'intercetta, ovvero la relazione tra l'usura dell'utensile e il tipo di utensile è lo stesso modello, ma la previsione per l'usura dell'utensile è solo superiore o inferiore in base alla quantità che contribuisce l'avanzamento per dente. Questi effetti sono semplicemente additivi ... non c'è possibilità di interazione perché non abbiamo dato al modello la possibilità di adattarne/trovarne uno.
Spero che questo aiuti a chiarire la differenza che stai vedendo tra il grafico degli effetti principali in minitab e il profiler di previsione in JMP.
@giuliano
Ri: Profiler di previsioneNon so cosa intendi.
ma i risultati di entrambi sembrano ancora diversi
Quali risultati? Che differenza?
R: l'andamento delle linee è diverso tra Minitab e entrambi i grafici JMP
era l'usura dell'utensile anziché la temperatura dell'utensile.
La tua richiesta riguardava l'usura degli utensili. Quell'analisi è ciò che hai mostrato.
Mi piacerebbe avere l'asse x com'era prima perché ho usato quei valori per sviluppare i miei esperimenti.
R=Sì, lo era ma hai lavorato con la temperatura dell'utensile
Quali valori dell'asse x?
non voglio nell'asse da 1 a 4.3, voglio 1 e 4.3
Distinti saluti
Ri: Profiler di previsioneNon so cosa intendi.
ma i risultati di entrambi sembrano ancora diversi
Quali risultati? Che differenza? Stai confrontando il Prediction Profiler con un altro tipo di grafico? Stai confrontando JMP con MINITAB?
era l'usura dell'utensile anziché la temperatura dell'utensile.
La tua richiesta riguardava l'usura degli utensili. Quell'analisi è ciò che hai mostrato. Questa è l'analisi che ho fatto anch'io.
Mi piacerebbe avere l'asse x com'era prima perché ho usato quei valori per sviluppare i miei esperimenti.
Penso che tu intenda con "prima" quando hai usato il tipo di modellazione nominale per i tuoi fattori quantitativi. Tale scelta, tra le altre cose, produrrà un profiler di previsione sull'asse x per accettare solo i livelli nella colonna dei dati. Inoltre, non consente di eseguire l'ottimizzazione a nessun livello di fattore diverso da quelli utilizzati nell'esperimento. (Bloccato con 'scegli il vincitore.') Richiede il doppio dei parametri anche per questi termini fattoriali nel modello.
D'altra parte, il modo in cui l'ho fatto (usa il tipo di modellazione continua) mostra il profilo di risposta continua (realistico) e ti consente comunque di inserire qualsiasi livello di fattore desiderato, inclusi quei livelli nell'esperimento. Consente inoltre di trovare un livello ottimale, anche se non era uno dei tre livelli utilizzati nell'esperimento. (Interpolazione)
Ri: Profiler di previsioneGrazie mille, ma i risultati di entrambi sembrano ancora diversi ed è stata l'usura dell'utensile anziché la temperatura dell'utensile. Inoltre, mi piacerebbe avere l'asse x com'era prima perché ho usato quei valori per sviluppare i miei esperimenti. Cosa posso fare?
Distinti saluti
@Mark_Bailey ha scritto:
Ecco la tabella dei dati aggiornata.
Ri: Profiler di previsioneEcco la tabella dei dati aggiornata.
Ri: Profiler di previsionePrima di tutto, ho cambiato il tipo di modellazione di tutti i fattori quantitativi da nominale a continuo.
In secondo luogo, ho analizzato la distribuzione dei livelli dei fattori e l'ho scoperto Tipo di strumento = O è stato osservato solo quando Larghezza di taglio = 1 , quindi questo difetto di progettazione elimina una delle stime dei parametri di interazione. Vedere:
In terzo luogo, ho selezionato un modello utilizzando la regressione graduale nella direzione in avanti. (Si noti che ho sostituito il fattore Tipo di strumento originale al posto dei contrasti creati da Stepwise per l'analisi di regressione finale.) Ottengo questo Prediction Profiler:
Questi profili sembrano ragionevoli. Quindi penso che ci sia un problema con il tuo modello.
Per quanto riguarda la differenza tra il Prediction Profiler e la trama degli effetti principali in MINITAB, stai confrontando due trame completamente diverse. Il profiler di previsione mostra il profilo di ogni fattore sulla risposta condizionata dal livello attuale degli altri fattori . Quindi, è un predizione profiler. La trama degli effetti principali in MINITAB, invece, mostra il risposta media incondizionata a ciascun livello di fattore . È la media dei dati (e distorta quando il design non è equilibrato, come in questo caso). Non è la media dei minimi quadrati (imparziali) del modello.
