암사슴안녕하세요,
DOE 회귀 방정식에 관한 몇 가지 질문이 있습니다.
Minitab에서 회귀 방정식을 코딩되지 않은 단위로 변환하는 이유와 계층 적 모델에서만 가능한 이유를 이해하지 못합니까?
코딩 된 유닛과 코딩되지 않은 유닛의 계수 사이에 수학 방정식이 있습니까? 코딩되지 않은 계수를 어떻게 해석 할 수 있습니까?
감사,
다시 : DOEMINITAB의 동작에 대해서는 말할 수 없지만 요인이 코딩 될 때 모델 매개 변수의 차이점을 설명 할 수 있습니다.
회귀 또는 다른 선형 모형 기법을 사용할 때는 추정값의 상관 관계를 줄이는 데 도움이되므로 변수를 적어도 중심에 두어야합니다. 또한 인터셉트의 의미있는 해석을 제공합니다. 데이터의 원점에서의 평균 응답입니다. 센터링이 없으면 절편은 실제적인 의미가없는 경우가 많습니다. 마지막으로, 스케일링 측면은 모든 추정치가 전체 요인 범위에 대한 반응 변화의 절반을 나타냄을 의미합니다. 이런 식으로 추정값은 불변량을 추정하며 각 요인에 대해 가장 넓은 범위를 행사하는 경우 비교할 수 있습니다. (예를 들어, 어떤 요소가 가장 큰 효과를 낳습니까?) 코딩 없이는 불가능합니다. 규모의 변화에 따라 임의로 견적을 작거나 크게 할 수 있습니다. (예를 들어, 치수 단위를 미터에서 광년으로 변경하면 무슨 의미인지 알 수 있습니다.)
모델에 맞는 후 코딩을 제거 할 수 있습니다. 이렇게하면 원래 스케일에서 단위 변경을 볼 수 있습니다. 열 수식으로 저장하고 수식 편집기를 열고 편집기 상단의 키 근처에있는 빨간색 삼각형을 클릭 한 다음 단순화를 선택하십시오. 공식의 중심 및 스케일링에는 상수 만 포함되므로 손실없이 변환 할 수 있습니다.
참고 : 코딩 된 스케일과 원래 스케일 사이를 변환하려면 모델 계층 구조를 유지하는 것이 매우 중요합니다.
원래 요인과 코딩 된 요인을 사용하면 동일한 모형 예측이 제공되지만 일반적으로 더 많은 모형이 필요합니다.
다시 : DOE입문 DOE 과정에서 코딩 된 레벨을 시연하기위한 스크립트를 첨부했습니다. 당신은 그것을 가지고 놀 수 있고 사이드 패널은 두 가지 레벨의 레벨 사이에서 변환하는 공식을 제공합니다.
다시 : DOE미안 해요. 계층 구조 모델에서만 가능한 이유에 대해서는 대답하지 않았습니다.
실제로 비 계층 선형 모델을 변환 할 수 있지만이 경우 바람직하지 않은 변경이 발생합니다. 적합 모형의 항이 단순화 모형에 나타나지 않을 수 있습니다. 적합 모형에 나타나지 않은 항은 단순화 모형에 나타날 수 있습니다. 결과는 정확하지만 불안정합니다. 대부분의 분석가는이 결과를 좋아하지 않습니다.
나는 "JMPer Cable"의 이전 호에서 그의 행동에 관한 기사를 공동 저술했습니다. 2008 년 봄호 24 호 9 페이지에서 시작합니다.
다시 : DOE매우 도움이되었습니다 감사합니다
다시 : DOE매우 도움이되었습니다 감사합니다
