Scopri di più nel nostro corso online gratuito:
Pensiero statistico per la risoluzione dei problemi industriali
In questo esempio, adattiamo nuovamente un modello per Impurità utilizzando Fit Model. Ma questa volta, aggiungiamo anche i predittori categoriali al modello.
Innanzitutto, aggiungiamo Impurità come variabile Y.
L'aggiunta di predittori categoriali al modello non è diversa dall'aggiunta di predittori continui. Selezioniamo semplicemente le variabili e facciamo clic Aggiungere .
in un video precedente, abbiamo discusso le opzioni per la codifica di predittori categoriali. Ricordiamo che JMP applica la codifica dell'effetto -1/1 dietro le quinte.
Quando eseguiamo il modello, JMP visualizza i coefficienti per i predittori categoriali nella tabella Stime dei parametri.
Abbiamo tre livelli di Reattore , quindi ci sono due coefficienti per Reattore .
Abbiamo due turni, quindi c'è un coefficiente per Spostare .
Quando attiviamo l'espressione di previsione, JMP visualizza l'equazione completa per il modello.
Il Prediction Profiler ci consente di vedere facilmente come le variazioni del valore dei predittori categoriali modificano la risposta prevista.
Per Reattore , mantenendo tutto il resto costante, mentre cambiamo il reattore da 1 a 2, la media prevista per Impurità aumenta di circa 0,2 unità. Possiamo vedere questa differenza nell'espressione di previsione quando confrontiamo i valori per Reactor 1 e Reactor 2.
Per visualizzare le stime dei parametri con codice fittizio 0/1, selezionare Stime poi Stime di parametrizzazione dell'indicatore , dal triangolo rosso in alto.
Diamo un'occhiata alla stima in codice fittizio per Spostare . Con la codifica fittizia, confrontiamo la media Impurità per il primo passaggio alla media Impurità per il secondo turno, mantenendo tutto il resto costante. Possiamo facilmente vedere che la media Impurità per il primo turno è di circa 0,1 unità superiore al secondo turno. Ma questa differenza non è significativa.
