預測公式 方程尊敬的各位，請協助解決在對數據應用 RSM 後獲得預測最終方程式的問題。 我讀過幾篇文章，其中引用了具有常數和截距的不同術語的實際方程式（附圖），JMP 給出的方程式僅具有數值（附圖）。
回覆：預測公式方程你好@阿夫南亞西爾,
在刪除混合項 A*B 和二次項 A^2 和 B^2 之前，我建議使用擬合模型平台並測試 RSM 模型，但使用 GLM、GenReg 或逐步「個性」來查看RSM 多項式展開中的哪些項在模型中確實不重要。 嘗試一些其他方法來擬合數據，看看它們會給出什麼結果。 如果它們都給出相似的結果，即 A*B 和二次項不顯著，則將它們放入最終模型中。 如果資料是透過 RSM DOE 收集的，則不必透過同一平台進行分析。 您也可以透過其他方式進行分析。
希望這可以幫助，
DS
回覆：預測公式方程謝謝您的詳細回覆。 正如我之前所說，數據迴歸圖以線性方式解釋數據，二次模型和其他多項式模型在參數估計中也被稱為不顯著。只有個體 A 因素和個體 B 因素稱為顯著。 我的問題是，我是否需要在 RSM 模型中包含不重要的項（例如 AxB 或 A2B2）才能獲得最終方程式？還是我只加入重要的個體 A 和 B 因子？
回覆：預測公式方程那麼我是否需要在 RSM 中添加非顯著參數估計值才能得到最終方程式？或者我只需要跳過它們？因為如果我包含或排除不重要的參數，最終方程式會改變。 謝謝
回覆：預測公式方程抱歉我的無知，但你的一些資訊是相互矛盾的。 您說您想使用 RSM 分析資料集中的資料（我認為內建在 JMP 模型建構中）...這包括主效應、二階效應（2 因子交互作用）和二次效應（例如，A+B） + AB+A^2+B^2)。 該模型不分配二次交互作用（例如，A^2B、AB^2、A^2B^2），因為這些被假定為誤差估計（我不會在這裡爭論這一點）。 在您上次的回覆中，您認為模型只是線性的？ 你還提到了「混合物」。 那麼這是混合設計嗎？ RSM 不是您通常分析混料設計的方式（具有相關約束）。
有幾個想法：
1. 從飽和模型開始（分配所有自由度）。 透過刪除不重要的項來簡化模型（使用科學理論、R 方和 R 方調整值以及這些值之間的增量、標準誤差和常態圖來幫助選擇重要因素）。 重新運行簡化模型以獲得殘差以評估模型假設。 如果二次項不顯著，請將它們從模型中刪除。
2. 如果您確實正在優化以開發最佳預測方程，那麼顯著性並不是主要關心的問題。 這應該已經確定，所以現在您只需填充最佳設計區域的空間。
回覆：預測公式方程你好@阿夫南亞西爾,
如果您對模型有先驗知識，那麼只需使用該函數形式即可。
例如，在物理學中，如果一個物體以一定的初速（v0）從高度“h”落下，那麼該物體的垂直位置（作為時間的函數）為（g是萬有引力常數）：
y(t) = h + v0*t + (1/2)gt^2
如果您正在進行的實驗涉及下落物體，那麼您將使用這個方程而不是其他方程，因此它不是經驗公式，而是第一原理公式。 如果您有物理或化學的第一原理公式，請繼續使用它。
但是，根據您所說的，聽起來從之前的工作中您可以看出這是一個基於鹼劑量和溫度的線性模型，只是想檢查是否存在任何交叉項或高階項。 透過 RSM 運行它，您可以很好地了解哪些因素可能重要或不重要。 但是，您指向的 p 值更涉及參數估計值以及它是否落在 95% 置信區間內。 所以，這意味著參數估計不是很好。
如果您想知道某個術語（例如 A*B 或 A^2 或 B^2）是否應該出現在模型中，我建議透過「擬合模型」平台中的逐步或 GenReg Personalities 運行它。 您也可以嘗試 PLS 或 GLM 個性，看看您會發現什麼。
例如，透過 Big Class.jmp 範例數據，您可以使用身高和體重作為「A」和「B」來運行年齡 RSM。 如果您這樣做，效果摘要圖會告訴您哪些因素（和組合）是相關的（如果它們的 P 值 << alpha）。 這些是您想要查看的 p 值類型。
對於您的工作，聽起來像您的反應，SCOD 增加僅線性依賴溫度和鹼劑量。 無論是最簡單的模型還是您可以驗證的模型，都一定要採用它。
最後一點建議，如果您有一個小資料集，您可能想要驗證模型，您應該查看自動驗證 JMP 插件，看看這是否可以幫助您。
希望這可以幫助！，
DS
回覆：預測公式方程你好@SDF1先生/女士。 非常感謝您的詳細回覆。 是的，RSM 是指響應曲面模型，我對根據我的資料將要使用的模型有先驗知識。 為了進行交叉檢查，我的主管透過另一個軟體運行了相同的數據，該軟體確認了數據以線性方式（遞增方式）運行，並且 JMP 中的回歸圖也以線性方式解釋了數據。 如果我包含所有術語或說自變數及其混合物，則方程式會變得更加複雜（附圖）並被列為不顯著，所以基本上我沒有將它們包含在運行RSM 中，因為它們被描述為不顯著。 因數 A、B 顯著，而 A*B、A2 和 B2 稱為不顯著（附圖）。那麼我是否還必須運行不重要的項才能獲得完整的公式？如果我添加所有項，那麼我將如何表達最終方程式（附圖）？
回覆：預測公式方程你好@阿夫南亞西爾,
只是為了確定一下，當您說將 RSM 應用於資料時，您指的是響應曲面模型嗎？ 在應用該特定模型之前，您是否先驗地知道這是要使用的正確模型，可能來自已知可模擬特定行為類型的物理或化學方程式？ 如果不是，選擇該特定模型的理由是什麼？ 如果它不是基於物理/化學模型，我建議使用 GenReg 進行分析，因為您擁有 JMP Pro，所以您可以這樣做。
您顯示的模型看起來不像完整的 RSM，因為如下面的等式所示，您的模型沒有混合項 A*B 並且缺少二次項之一。 否則，你的方程式完全沒問題。 您有截距、第一個數字、鹼劑量依賴性的斜率、溫度依賴性的斜率、溫度^2 依賴性的斜率。 其他項是否因為對模型沒有貢獻而被刪除？
您始終可以手動輸入其他術語以獲得完整的 RSM 並重新運行模型。 注意事項：請注意模型中包含的項數，以免過度擬合。 您目前的模型包含三項，因此您的資料表中至少需要 4 行，以確保您至少擁有一個自由度。 如果您嘗試預測結果，您需要在一些未用於擬合模型的資料上進行測試，或至少進行一些驗證運行以確保您的模型是正確的。 如果資料表中有足夠的行（可能>100 左右），您也許能夠進行交叉驗證並找到最適合的經驗模型。
希望這可以幫助，
DS
