예측 프로파일러안녕하세요,
나는 두 그래프 사이에 약간의 차이점을 발견했기 때문에 당신에게 편지를 쓰고 있습니다. 첫 번째 그래프는 JMP에서 만든 예측 프로파일이고 두 번째 그래프는 미니탭에서 만든 것입니다. 제 질문은 JMP 그래프에서 이상한 결과를 발견했기 때문입니다. 음수 유형의 결과 값을 찾았는데 실제로는 없었기 때문에 Minitab에서 더 일관된 결과를 찾았습니다. 그러나 JPM이 결과를 제공하는 방식이 더 좋습니다. 따라서 왜 그러한 분산이 있는지 알고 싶습니다.
JMP 14
미니탭 결과
Re: 예측 프로파일러안녕 @Archy ,
Mark가 언급했듯이 여기에 표시된 Minitab의 "주요 효과 도표"는 JMP의 예측 프로파일러와 상당히 다른 것을 표시합니다. * 상호 작용으로 모델을 피팅할 때 . 주효과만 모형을 적합하는 경우 JMP 예측 프로파일러와 Minitab의 "주효과도"는 기본적으로 동일한 내용을 표시합니다. (업데이트: 균형 잡힌 데이터를 가정하고 설계의 각 셀에서 동일한 수의 관찰 -- 메모해 주셔서 감사합니다, Mark).
Minitab과 가장 일치하도록 프로파일러를 2행으로 배열했습니다. Prediction Profiler Red Triangle > Appearance > Arrange in Rows:
즉, 이러한 플롯이 이 특정 사례(균형 데이터가 있는 주 효과 전용 모델)에서 일치하지만 이전에 적합했던 모델에서는 일치하지 않는 이유는 무엇인지 바로 알 수 있습니다. @Mark_Bailey 설명하고 있으며 모델에서 선택하는 것을 이해하는 데 중요한 사항입니다.
JMP의 예측 프로파일러는 다음을 표시합니다. 가정 어구 Minitab의 주효과도는 기본적으로 다른 요인을 무시하고 Y와 주어진 예측자 사이의 평균 관계를 표시합니다. 그렇다면 이것이 의미하는 바는 무엇이며 JMP에서 주효과 모델만 적용한 위의 경우에서 JMP와 Minitab의 결과가 일치하는 이유는 무엇입니까? 처음 보여준 초기 모델(및 데이터 테이블에 저장된 모델)을 살펴보겠습니다.
Mark가 이러한 용어 중 일부가 헤아릴 수 없다는 점(확실히 중요하지만 이 게시물과는 별개의 점임)에 대해 언급한 점을 잠시 제쳐두고, 이 모델은 각 예측 변수에 대한 주요 효과를 이해(즉, 통계적으로 추정)하는 것을 목표로 합니다. 각 예측 변수 쌍 간의 양방향 상호 작용으로. 이러한 상호 작용은 주 효과 플롯과 예측 프로파일러 간의 차이점에 대한 핵심입니다. 상호 작용을 통해 모델이 Y와 각 예측 변수 간의 관계를 캡처할 수 있기 때문입니다. 다를 수 있습니다 다른 예측 변수의 수준이 변경될 때.이 모델의 프로파일러를 살펴보고 날당 이송 수준을 변경하겠습니다. 그렇게 하면서 가장 왼쪽에 있는 도구 마모와 도구 유형 간의 관계를 살펴봅니다.
공구 마모(y)와 맨 왼쪽의 공구 유형 간의 관계가 날당 이송 수준에 따라 다르다는 것을 알 수 있습니다.이러한 변수 사이에는 상호 작용이 있습니다.도구 유형과 다른 변수 간에도 상호 작용이 있습니다."주요 효과만" 플롯은 이러한 서로 다른 관계에 대해 단순히 평균을 내어 무조건적인 평균 관계에 도달합니다. 이것이 미니탭이 주효과도에 표시하는 것과 JMP가 예측 프로파일러에 표시하는 것입니다. 만약에 다음과 같이 상호 작용이 없는 모델에 적합합니다.
톱니당 이송을 변경하는 아래 프로파일러로 동일한 작업을 수행하겠습니다. 다시 한 번 공구 마모와 공구 유형 간의 관계를 살펴보십시오. 
이번에는 절편 변경만 알 수 있습니다. 즉, 공구 마모와 공구 유형 간의 관계는 동일한 패턴이지만 공구 마모에 대한 예측은 날당 이송이 기여하는 양만큼만 높거나 낮습니다. 이러한 효과는 단순히 가산적입니다. 모델에 적합/찾을 가능성을 부여하지 않았기 때문에 상호 작용 가능성이 없습니다.
이것이 Minitab의 주효과도와 JMP의 예측 프로파일러 사이에 보이는 차이를 명확하게 이해하는 데 도움이 되기를 바랍니다.
@줄리안
Re: 예측 프로파일러무슨 말인지 모르겠습니다.
그러나 둘의 결과는 여전히 다르게 보입니다.
어떤 결과? 어떤 차이점이 있습니까?
R: Minitab과 두 JMP 그래프 간에 선 추세가 다릅니다.
공구 온도가 아니라 공구 마모였습니다.
귀하의 요청은 공구 마모에 관한 것이었습니다. 그 분석은 당신이 보여준 것입니다.
실험을 개발하는 데 해당 값을 사용했기 때문에 이전과 같은 x축을 갖고 싶습니다.
R=예, 하지만 공구 온도로 작업했습니다.
x축 값은 무엇입니까?
나는 1에서 4.3까지의 축에 원하지 않고 1과 4.3을 원합니다
친애하는
Re: 예측 프로파일러무슨 말인지 모르겠습니다.
그러나 둘의 결과는 여전히 다르게 보입니다.
어떤 결과? 어떤 차이점이 있습니까? Prediction Profiler를 다른 유형의 플롯과 비교하고 있습니까? JMP와 MINITAB을 비교하고 있습니까?
공구 온도가 아니라 공구 마모였습니다.
귀하의 요청은 공구 마모에 관한 것이었습니다. 그 분석은 당신이 보여준 것입니다. 저도 그렇게 분석했습니다.
실험을 개발하는 데 해당 값을 사용했기 때문에 이전과 같은 x축을 갖고 싶습니다.
"이전"은 정량적 요인에 대해 명목 모델링 유형을 사용했을 때를 의미한다고 생각합니다. 그 선택은 무엇보다도 데이터 열의 수준만 허용하는 예측 프로파일러 x축을 생성합니다. 또한 실험에 사용된 요인 수준 이외의 요인 수준에서 최적화할 수 없습니다. ('우승자 선택'으로 고정됨) 모형에서 이러한 요인 항에 대해 두 배의 매개변수가 필요합니다.
반면에 내가 한 방식(연속 모델링 유형 사용)은 연속 반응 프로파일(현실적)을 보여주고 여전히 실험의 해당 수준을 포함하여 원하는 요인 수준을 입력할 수 있습니다. 또한 실험에 사용된 세 가지 수준 중 하나가 아니더라도 최적의 수준을 찾을 수 있습니다. (보간)
Re: 예측 프로파일러대단히 감사합니다. 그러나 둘의 결과는 여전히 달라 보이며 공구 온도 대신 공구 마모였습니다. 또한 실험을 개발하는 데 해당 값을 사용했기 때문에 이전의 x축을 그대로 유지하고 싶습니다. 어떡해?
친애하는
@Mark_Bailey 쓴 :
다음은 업데이트된 데이터 테이블입니다.
Re: 예측 프로파일러다음은 업데이트된 데이터 테이블입니다.
Re: 예측 프로파일러먼저 모든 정량적 요인의 모델링 유형을 명목형에서 연속형으로 변경했습니다.
둘째, 요인 수준의 분포를 분석하고 다음을 발견했습니다. 도구 유형 = O 때에만 관찰되었다. 절삭 폭 = 1 , 따라서 이 설계 결함은 상호작용 매개변수 추정치 중 하나를 제거합니다. 보다:
셋째, 순방향으로 단계적 회귀를 사용하는 모델을 선택했습니다. (최종 회귀 분석을 위해 Stepwise에서 생성한 대비 대신 원래 도구 유형 요소를 다시 대체했습니다.) 이 예측 프로파일러를 얻습니다.
이러한 프로필은 합리적으로 보입니다. 그래서 나는 당신의 모델에 문제가 있다고 생각합니다.
예측 프로파일러와 MINITAB의 주효과 플롯 간의 차이점에 대해 완전히 다른 두 플롯을 비교하고 있습니다. 예측 프로파일러는 반응에 대한 각 요인의 프로파일을 보여줍니다. 다른 요인의 현재 수준에 따라 결정됨 . 따라서, 그것은 예측 프로파일러. 반면에 MINITAB의 주효과 도표는 다음을 보여줍니다. 각 요인 수준에서 무조건 평균 반응 . 데이터의 평균입니다(이 경우와 같이 설계가 균형을 이루지 않으면 편향됨). 모델의 (편향되지 않은) 최소 제곱 평균이 아닙니다.
