Ciao,
Sto cercando di capire come definire la variabile continua come indipendente o covariata in JMP, in termini di utilizzo nella piattaforma del modello di adattamento.
La mia attuale comprensione è che, a meno che non si definisca il ruolo del design come covariata a variabile continua, è indipendente.E il test di significatività del modello, basato sul test F, è chiamato ANOVA.
Se la variabile continua è definita come covariata, il test di significatività del modello viene chiamato ANCOVA.
Sulla base della comprensione di cui sopra, ho adattato il modello utilizzando i dati di esempio "Dati demografici statunitensi" utilizzando la piattaforma dei minimi quadrati per la risposta "Matematica dell'ottavo anno" utilizzando "Regione", "Diplomati delle scuole superiori" e la loro interazione.
"Laureati" è considerata variabile indipendente ai fini matematici.
In prima analisi, "High School Graduates" viene utilizzato così com'è, senza definire alcun ruolo progettuale (indipendente).
Durante la seconda analisi, "High School Graduates" è definito come covariata nel ruolo di progettazione.
p-value per f-test e stima dei parametri, valori di stima e SS per modello ed errore sono gli stessi per la prima e la seconda analisi. Mi aspetto alcune differenze nei termini di errore del modello, nel valore p per il modello e nel valore p delle stime dei parametri.
È quell'opzione di ruolo di progettazione specifica per DOE, se sì. Come definire il fattore continuo come indipendente o covariato per l'uso nel modello minimo quadrato/adattamento.
Grazie!!
Il termine covariata può essere difficile da capire poiché la sua interpretazione dipende da come viene utilizzato (contesto). In un'applicazione di regressione in cui i dati esistono già, le covariate sono spesso solo una variabile indipendente continua (e in ANCOVA, le altre variabili indipendenti sono probabile categorico). Ai fini del DOE, la covariata è tipicamente una variabile indipendente che viene misurata, ma non specificamente manipolata (spesso perché la covariata è rumore, una variabile che non si vuole controllare). Contabilizzando/assegnando la covariata nel modello, si aumenta la precisione del rilevamento degli effetti del fattore di progettazione.
Ad esempio, se stavi eseguendo un esperimento e ti interessavano gli effetti della temperatura ambiente. Non sei disposto a gestire la temperatura ambiente, quindi prendi la temperatura ambiente. misurazioni durante ogni esecuzione dell'esperimento. Quando scrivi il modello, aggiungi la temperatura ambiente. come covariata (In genere inserire la covariata prima nel modello e utilizzare test sequenziali (Tipo 1) per determinarne il significato. L'uso di test parziali (Tipo 3) per il resto degli effetti del modello.). Ciò terrà conto degli effetti della temperatura ambiente (che altrimenti sarebbero stati catturati nel termine di errore). Rimuovendo questi effetti dal termine di errore (MSE ridotto), hai aumentato la precisione per testare i fattori nell'esperimento.
Non è necessario definire nulla. Eseguire il cast semplice della variabile indipendente (colonna dati) nel ruolo Effetti dopo aver selezionato Analizza > Adatta modello. Presumo che la colonna di dati sia definita come tipo di dati numerico e tipo di modellazione continua. È possibile verificare i tipi selezionando la colonna dei dati e quindi selezionando Cols > Info colonna.
Il ruolo di progettazione = covariata è una proprietà di colonna solitamente creata automaticamente quando si progetta un esperimento con JMP e si aggiunge un fattore di covariata. Il termine "fattore di covariata" in questo caso si riferisce specificamente a una variabile che co-varia nel tempo con le esecuzioni, i cui livelli sono predeterminati ei suoi effetti devono essere stimati nel modello.
Perché dovresti aspettarti risultati diversi dall'analisi di regressione?
