Erfahren Sie mehr in unserem kostenlosen Online-Kurs:
Statistisches Denken für die industrielle Problemlösung
In diesem Beispiel machen wir da weiter, wo wir in der vorherigen JMP-Demo aufgehört haben. Denken Sie daran, dass wir ein Modell für passen Verunreinigung , mit drei Prädiktoren, Temp , Katalysatorkonz , und Reaktionszeit , mit Analysieren, Modell anpassen.
Verunreinigung ist die Y-Variable und Temp , Katalysatorkonz , und Reaktionszeit sind die Modelleffekte.
Das zuvor beschriebene Diagramm „Tatsächlich nach Vorhergesagt“ ist ein Diagramm der tatsächlichen Antwortwerte im Vergleich zu den von unserem aktuellen Modell vorhergesagten Werten.
Das Diagramm Ist nach Vorhergesagt ist nützlich, um Ausreißer, ungewöhnliche Beobachtungen und Muster in den Daten zu identifizieren, die nicht durch unser Modell erklärt werden, wie z. B. Krümmung. Zum größten Teil scheinen unsere Punkte zufällig um die angepasste Regressionslinie herum verstreut zu sein.
JMP stellt standardmäßig das Diagramm „Residual by Predicted“ bereit. Dieses Diagramm zeigt keine offensichtlichen Muster, und die Residuen erscheinen zufällig um die Mittellinie von Null herum verstreut.
Zusätzliche Residuendiagramme, die in dieser Lektion beschrieben werden, sind über das obere rote Dreieck unter Zeilendiagnose verfügbar. Dazu gehören das Residuendiagramm nach Zeile, das Studentisierte Residuendiagramm und das Normalquantildiagramm der Residuen.
Dies ist beispielsweise besonders nützlich, wenn Sie JMP-Plattformen verwenden möchten, um Ihre eigenen Residuendiagramme zu erstellen.
Cook's D Influence ist eine weitere Option unter Save Columns.
Wenn wir wählen Cooks D-Einfluss , wird eine neue Spalte in der Datentabelle mit Cooks D-Werten für jede Beobachtung gespeichert. Wir können jetzt die Vertriebsplattform verwenden, um festzustellen, ob wir irgendwelche einflussreichen Beobachtungen haben.
In diesem Beispiel beträgt der maximale Cook-D-Wert 0,06. Wir haben also kein Problem mit einflussreichen Beobachtungen.
Eine weitere Art von Residuendiagrammen in JMP ist das Effekthebeldiagramm. Diese Diagramme werden standardmäßig für jeden Term im Modell angezeigt.
Im Wesentlichen zeigt jedes Diagramm die Auswirkungen des Hinzufügens des Prädiktors zum Modell angesichts der anderen Effekte, die bereits im Modell vorhanden sind.
Hebeldiagramme erleichtern das Erkennen ungewöhnlicher Muster, das Erkennen von Punkten, die Einfluss auf das Modell ausüben, und das Identifizieren von Problemen mit Multikollinearität.
Weitere Informationen zum Interpretieren von Leverage-Plots finden Sie in der JMP-Hilfe.
