Bonjour à tous,
J'essaie de comprendre comment définissons-nous la variable continue comme indépendante ou covariable dans JMP, en termes de leur utilisation dans la plate-forme de modèle d'ajustement.
Ma compréhension actuelle est que, à moins que l'on ne définisse le rôle de conception comme une covariable à une variable continue, il est indépendant.Et, le test de signification du modèle, basé sur le test F, est appelé ANOVA.
Si la variable continue est définie comme covariable, le test de signification du modèle est appelé ANCOVA.
Sur la base de la compréhension ci-dessus, j'ai ajusté le modèle en utilisant des exemples de données "US Demographics" en utilisant la plate-forme des moindres carrés pour la réponse "Eighth Grade Math" en utilisant "Region", "High School Graduates" et leur interaction.
« Diplômés du secondaire » est considéré comme une variable indépendante à des fins mathématiques.
Lors de la première analyse, « High School Graduates » est utilisé tel quel, sans définir de rôle de conception (indépendant).
Au cours de la 2e analyse, les «diplômés du secondaire» sont définis comme covariable dans le rôle de conception.
La valeur de p pour le test f et l'estimation des paramètres, les valeurs d'estimation et SS pour le modèle et l'erreur sont les mêmes pour la première et la deuxième analyse. Je m'attends à des différences dans les termes d'erreur du modèle, la valeur p du modèle et la valeur p des estimations de paramètres.
Est-ce que cette option de rôle de conception est spécifique au DOE, si oui. Comment puis-je définir le facteur continu comme indépendant ou covariable à utiliser dans le modèle des moindres carrés/Ajustement.
Merci!!
Le terme covariable peut être difficile à comprendre car son interprétation dépend de la façon dont il est utilisé (contexte). Dans une application de régression où les données existent déjà, les covariables ne sont souvent qu'une variable indépendante continue (et dans l'ANCOVA, les autres variables indépendantes sont probable catégorique). Aux fins du DOE, la covariable est typiquement une variable indépendante qui est mesurée, mais pas spécifiquement manipulée (souvent parce que la covariable est le bruit, une variable ne veut pas contrôler). En comptabilisant/affectant la covariable dans le modèle, vous augmentez la précision de la détection des effets du facteur de conception.
Par exemple, si vous exécutiez une expérience et que vous étiez préoccupé par les effets de la température ambiante. Vous ne souhaitez pas gérer les températures ambiantes, vous prenez donc la température ambiante. mesures à chaque passage de l'expérience. Lorsque vous écrivez le modèle, vous ajoutez la température ambiante. en tant que covariable (Placez généralement la covariable en premier dans le modèle et utilisez des tests séquentiels (Type 1) pour déterminer sa signification. L'utilisation des tests partiels (Type 3) pour le reste des effets du modèle.). Cela tiendra compte des effets de la température ambiante (qui autrement auraient été capturés dans le terme d'erreur). En supprimant ces effets du terme d'erreur (MSE réduite), vous avez augmenté la précision du test des facteurs dans l'expérience.
Vous n'avez rien à définir. Lancez simplement la variable indépendante (colonne de données) dans le rôle Effets après avoir sélectionné Analyser > Ajuster le modèle. Je suppose que la colonne de données est définie comme type de données numérique et type de modélisation continue. Vous pouvez vérifier les types en sélectionnant la colonne de données, puis en sélectionnant Cols > Column Info.
Le Rôle de conception = Covariable est une propriété de colonne généralement créée automatiquement lorsque vous concevez une expérience avec JMP et que vous ajoutez un facteur de covariable. Le terme « facteur covariable » dans ce cas fait spécifiquement référence à une variable qui co-varie dans le temps avec les exécutions, ses niveaux sont prédéterminés et ses effets doivent être estimés dans le modèle.
Pourquoi vous attendriez-vous à des résultats différents de l'analyse de régression ?
