271031_fr-FR

liliconcom

Valeurs P manquantes dans le résumé des effets du modèle d'ajustement

Bonjour, j'utilise JMP-14.

J'utilisais Fit Model et d'une manière ou d'une autre, mon dialogue de résumé d'effet manque de données, pas de valeurs P pour les données.

Y a-t-il une raison pour laquelle cela se produirait?

Merci d'avance

 

 

Modélisation statistique avancéeÉtudes de consommation et de marchéFusion et nettoyage des donnéesExploration et visualisation des donnéesIngénierie de la qualité et des procédésRe : Valeurs P manquantes dans le résumé des effets du modèle d'ajustement

Merci Dan. C'est très utile.

Re : Valeurs P manquantes dans le résumé des effets du modèle d'ajustement

Cela indique donc que vous ne disposez pas de données adéquates pour estimer votre modèle. Pour adapter un modèle, vous devez disposer de suffisamment de données, mais vous devez également collecter les données aux emplacements appropriés. Pensez-y de cette façon : je veux estimer une relation linéaire entre Y et X. Je collecte 100 points de données, mais X vaut toujours 10. Beaucoup de données, mais je ne peux pas estimer la ligne.

 

Dans votre situation, je pense que vous avez également un rapport Singularity Details. Si vous ouvrez cela, vous verrez que vous avez une relation (ou une confusion) entre deux de vos variables d'entrée. Il semble que ce soit entre Screen Plate et SDS. JMP ne peut pas estimer ces deux effets car il n'y a pas suffisamment de données pour le faire. Faites un graphique de ces deux variables d'entrée. À quoi cela ressemble-t-il? Je pense que cela pourrait vous montrer le problème.

Re : Valeurs P manquantes dans le résumé des effets du modèle d'ajustement

Re : Valeurs P manquantes dans le résumé des effets du modèle d'ajustement

Que montrent les tableaux Analyse de la variance, Estimations des paramètres et Tests d'effet ?

Re : Valeurs P manquantes dans le résumé des effets du modèle d'ajustement

Salut, j'ai un problème similaire et je ne pense pas que mon modèle soit saturé car il y a 28 expériences et 6 variables. Les deux valeurs p manquantes correspondent aux deux variables catégorielles. Pourquoi?

 

Re : Valeurs P manquantes dans le résumé des effets du modèle d'ajustement

Si votre modèle est saturé (tous les DF sont pris en compte dans le modèle), il n'y a pas de DF pour estimer le terme d'erreur et donc il n'y a pas de tests de signification.

Re : Valeurs P manquantes dans le résumé des effets du modèle d'ajustementSalut, il est difficile de comprendre ce qui a pu mal tourner sans plus de détails, mais la première chose qui me vient à l'esprit est le grand nombre d'effets dans votre modèle. Je me demande si votre couverture de données n'est pas suffisante pour explorer tous ces facteurs.

Serait-il possible de partager un exemple des données sur lesquelles vous travaillez ? De plus, y a-t-il des facteurs clés qui mériteraient d'être explorés en premier ? Enfin, avez-vous pensé à la plateforme de dépistage pour hiérarchiser les facteurs de votre modèle.

Meilleur,

TSRé: Valeurs P manquantes dans le résumé des effets du modèle d'ajustement

Bonjour, pourriez-vous expliquer ce qui vous a spécifiquement interpellé concernant les tableaux d'analyse de la variance, d'estimation des paramètres et de tests d'effets concernant le manque de données pour le modèle ? J'apprécierais toute contribution ou tout article sur ce sujet. Merci.

Objet : Valeurs P manquantes dans le résumé des effets du modèle d'ajustement

Les éléments qui m'ont indiqué que les données ne pouvaient pas prendre en charge le modèle :

Rapport sur les détails de la singularité (bien qu'il ne soit pas affiché, je sais qu'il est là)

Extrait du tableau Estimations des paramètres : les termes « Biaisé » et « Réduit à zéro ». Nous ne voulons pas être biaisés ! Cela devrait vous inciter à ne pas vous fier aux résultats : ils sont biaisés ! « Réduit à zéro » signifie que JMP a « supprimé » ces termes du modèle afin de vous fournir des résultats. Cependant, JMP ne connaît pas réellement le système ; il n'a donc aucun moyen de savoir quels termes auraient dû être supprimés. Un choix mathématique est effectué uniquement sur la base de l'ordre des termes spécifiés dans le modèle.

À partir du tableau des tests d'effet : LostDFs, ce qui ne conduit à aucun test statistique pour ces effets.