VorhersageprofilerHallo,
Ich schreibe Ihnen, weil ich einige Unterschiede zwischen zwei Diagrammen festgestellt habe. Die erste Grafik wird im JMP erstellt und ist ein Vorhersageprofil, die zweite wird in Minitab erstellt. Meine Frage ist, weil ich im JMP-Diagramm ein seltsames Ergebnis gefunden habe. Ich habe einen Ergebniswert vom Typ „negativ“ gefunden, obwohl ich ihn eigentlich nicht habe, sodass ich das Ergebnis in Minitab als kohärenter empfunden habe. Ich bevorzuge jedoch die Art und Weise, wie JPM die Ergebnisse liefert. Deshalb würde ich gerne wissen, warum ich eine solche Varianz habe.
JMP 14
Minitab-Ergebnis
Betreff: VorhersageprofilerHallo @Archy ,
Wie Mark erwähnte, zeigt das „Haupteffektdiagramm“ von Minitab, das Sie hier gezeigt haben, etwas ganz anderes an als der Vorhersageprofiler in JMP * wenn Sie Ihr Modell mit Interaktionen ausstatten . Wenn Sie ein Nur-Haupteffekt-Modell anpassen, zeigen der JMP Prediction Profiler und „Main Effects Plot“ von Minitab im Wesentlichen dasselbe an (Aktualisierung: Ausgewogene Daten vorausgesetzt, eine gleiche Anzahl von Beobachtungen in jeder Zelle des Designs – danke für den Hinweis, Mark).
Ich habe den Profiler in Zweierreihen angeordnet, um für Sie Minitab möglichst nahe zu kommen: Prediction Profiler Rotes Dreieck > Aussehen > In Zeilen anordnen:
Das heißt, warum diese Diagramme in diesem speziellen Fall übereinstimmen (ein Modell, das nur die Haupteffekte mit ausgewogenen Daten aufweist), aber nicht in dem Modell, das Sie zuvor angepasst haben, bringt es auf den Punkt @Mark_Bailey erläuterte, und es ist wichtig, die Entscheidungen zu verstehen, die wir in Modellen treffen.
Der Vorhersageprofiler in JMP zeigt die an bedingt Beziehung zwischen Y und einem gegebenen Prädiktor anhand der gewählten Ebene der anderen Prädiktoren, wohingegen das Haupteffektdiagramm von Minitab im Wesentlichen darin besteht, die anderen Faktoren zu ignorieren und die durchschnittliche Beziehung zwischen Y und einem gegebenen Prädiktor anzuzeigen. Was bedeutet das also und warum stimmt die Ausgabe von JMP und Minitab im obigen Fall überein, wo ich in JMP ein Modell nur für Haupteffekte einpasse? Nehmen wir das ursprüngliche Modell, das Sie zuerst gezeigt haben (und was in Ihrer Datentabelle gespeichert ist).
Abgesehen von Marks Bemerkung, dass einige dieser Begriffe unschätzbar seien (was sicherlich wichtig ist, aber ein anderer Punkt als dieser Beitrag ist), zielt dieses Modell darauf ab, auch die Haupteffekte für jeden Prädiktor zu verstehen (dh statistisch abzuschätzen). als die wechselseitigen Wechselwirkungen zwischen jedem Paar von Prädiktoren. Diese Interaktionen sind der Schlüssel zum Unterschied zwischen einem Haupteffektdiagramm und dem Vorhersageprofiler, da die Interaktionen es unserem Modell ermöglichen, Beziehungen zwischen Y und jedem Prädiktor zu erfassen kann unterschiedlich sein wenn sich das Niveau eines anderen Prädiktors ändert.Schauen wir uns den Profiler dieses Modells an und ich werde den Vorschub pro Zahn ändern. Schauen Sie sich dabei ganz links den Zusammenhang zwischen Werkzeugverschleiß und Werkzeugtyp an:
Sie werden feststellen, dass die Beziehung zwischen Werkzeugverschleiß (y) und Werkzeugtyp ganz links bei verschiedenen Vorschubstufen pro Zahn unterschiedlich ist.Es gibt eine Wechselwirkung zwischen diesen Variablen.Es gibt auch Wechselwirkungen zwischen dem Werkzeugtyp und den anderen Variablen.Bei einem Plot „Nur Haupteffekte“ wird einfach der Durchschnitt über diese verschiedenen Beziehungen gebildet, um die durchschnittliche, bedingungslose Beziehung zu ermitteln. Das ist es, was Minitab im Haupteffektdiagramm anzeigt, und das ist es, was JMP im Vorhersageprofiler anzeigen wird Wenn Sie passen ein Modell ohne Interaktionen an, wie dieses:
Ich mache die gleiche Übung mit dem Profiler unten und ändere den Vorschub pro Zahn. Schauen Sie sich noch einmal den Zusammenhang zwischen Werkzeugverschleiß und Werkzeugtyp an: 
Dieses Mal werden Sie nur die Änderungen an den Achsenabschnitten bemerken – das heißt, die Beziehung zwischen Werkzeugverschleiß und Werkzeugtyp ist das gleiche Muster, aber die Vorhersage für den Werkzeugverschleiß ist nur um den Betrag höher oder niedriger, den der Vorschub pro Zahn beisteuert. Diese Effekte sind einfach additiv... es gibt keine Möglichkeit für eine Interaktion, weil wir dem Modell nicht die Möglichkeit gegeben haben, eine solche anzupassen/zu finden.
Ich hoffe, dass dies dazu beiträgt, den Unterschied zu verdeutlichen, den Sie zwischen dem Diagramm der Haupteffekte in Minitab und dem Vorhersageprofiler in JMP sehen.
@julianisch
Betreff: VorhersageprofilerIch weiß nicht, was du meinst.
aber die Ergebnisse beider sehen immer noch unterschiedlich aus
Welche Ergebnisse? Welcher Unterschied?
R: Der Linientrend unterscheidet sich zwischen Minitab und beiden JMP-Diagrammen
Es war der Werkzeugverschleiß und nicht die Werkzeugtemperatur.
Bei Ihrer Anfrage ging es um Werkzeugverschleiß. Diese Analyse haben Sie gezeigt.
Ich möchte die x-Achse so haben, wie sie vorher war, weil ich diese Werte für die Entwicklung meiner Experimente verwendet habe.
R=Ja, das war es, aber Sie haben mit der Werkzeugtemperatur gearbeitet
Welche x-Achsenwerte?
Ich möchte nicht die Achse von 1 bis 4,3, sondern 1 und 4,3
Beste grüße
Betreff: VorhersageprofilerIch weiß nicht, was du meinst.
aber die Ergebnisse beider sehen immer noch unterschiedlich aus
Welche Ergebnisse? Welcher Unterschied? Vergleichen Sie den Prediction Profiler mit einem anderen Diagrammtyp? Vergleichen Sie JMP mit MINITAB?
Es war der Werkzeugverschleiß und nicht die Werkzeugtemperatur.
Bei Ihrer Anfrage ging es um Werkzeugverschleiß. Diese Analyse haben Sie gezeigt. Das ist auch die Analyse, die ich gemacht habe.
Ich möchte die x-Achse so haben, wie sie vorher war, weil ich diese Werte für die Entwicklung meiner Experimente verwendet habe.
Ich denke, dass Sie mit „vorher“ meinen, als Sie den nominalen Modellierungstyp für Ihre quantitativen Faktoren verwendet haben. Diese Auswahl führt unter anderem dazu, dass die X-Achse des Vorhersageprofilers nur die Ebenen in der Datenspalte akzeptiert. Außerdem ist eine Optimierung auf keiner anderen Faktorebene als den im Experiment verwendeten möglich. (Ich bleibe bei „Wähle den Gewinner.“) Auch für diese Faktorterme sind im Modell doppelt so viele Parameter erforderlich.
Andererseits zeigt die Art und Weise, wie ich es gemacht habe (kontinuierlichen Modellierungstyp verwenden), das kontinuierliche Antwortprofil (realistisch) und ermöglicht Ihnen dennoch die Eingabe jedes gewünschten Faktorniveaus, einschließlich dieser Niveaus im Experiment. Es ermöglicht Ihnen auch, ein optimales Niveau zu finden, selbst wenn es nicht eines der drei im Experiment verwendeten Niveaus war. (Interpolation)
Betreff: VorhersageprofilerVielen Dank, aber die Ergebnisse beider Tests unterscheiden sich immer noch, und es lag am Werkzeugverschleiß und nicht an der Werkzeugtemperatur. Außerdem möchte ich die x-Achse so haben, wie sie vorher war, da ich diese Werte für die Entwicklung meiner Experimente verwendet habe. Was kann ich machen?
Beste grüße
@Mark_Bailey schrieb:
Hier ist die aktualisierte Datentabelle.
Betreff: VorhersageprofilerHier ist die aktualisierte Datentabelle.
Betreff: VorhersageprofilerZunächst habe ich den Modellierungstyp aller quantitativen Faktoren von nominal auf kontinuierlich geändert.
Zweitens habe ich die Verteilung der Faktorstufen analysiert und das herausgefunden Werkzeugtyp = O wurde nur beobachtet, wenn Schnittbreite = 1 , sodass dieser Konstruktionsfehler eine der Schätzungen der Interaktionsparameter eliminiert. Sehen:
Drittens habe ich ein Modell ausgewählt, das eine schrittweise Regression in Vorwärtsrichtung verwendet. (Beachten Sie, dass ich die von Stepwise für die endgültige Regressionsanalyse erstellten Kontraste durch den ursprünglichen Tool-Typ-Faktor ersetzt habe.) Ich erhalte diesen Vorhersage-Profiler:
Diese Profile erscheinen vernünftig. Ich denke also, dass es ein Problem mit Ihrem Modell gibt.
Was den Unterschied zwischen dem Prediction Profiler und dem Haupteffektdiagramm in MINITAB betrifft, vergleichen Sie zwei völlig unterschiedliche Diagramme. Der Vorhersageprofiler zeigt das Profil jedes Faktors in der Antwort an abhängig vom aktuellen Niveau der anderen Faktoren . Daher ist es ein Vorhersage Profiler. Das Haupteffektdiagramm in MINITAB hingegen zeigt die bedingungslose mittlere Antwort auf jeder Faktorebene . Es handelt sich um den Durchschnitt der Daten (und verzerrt, wenn das Design nicht ausgewogen ist, wie in diesem Fall). Es handelt sich nicht um den (unvoreingenommenen) Mittelwert der kleinsten Quadrate aus dem Modell.
