Hola,
Estoy tratando de entender cómo definimos la variable continua como independiente o covariable en JMP, en términos de usarla en la plataforma del modelo de ajuste.
Mi comprensión actual es que, a menos que uno defina el rol de diseño como covariable a variable continua, es independiente.Y, la prueba de significación del modelo, basada en la prueba F, se llama ANOVA.
Si la variable continua se define como covariable, la prueba de significación del modelo se denomina ANCOVA.
Basado en la comprensión anterior, he ajustado el modelo usando datos de muestra "Demografía de EE. UU." usando la plataforma de mínimos cuadrados para la respuesta "Matemáticas de octavo grado" usando "Región", "Graduados de escuela secundaria" y su interacción.
"Egresados de la escuela secundaria" se considera una variable independiente para fines matemáticos.
Durante el primer análisis, "Graduados de secundaria" se utiliza tal cual, sin definir ningún rol de diseño (independiente).
Durante el segundo análisis, "Graduados de secundaria" se define como covariable en el rol de diseño.
El valor p para la prueba f y la estimación de parámetros, los valores estimados y SS para el modelo y el error son los mismos para el primer y segundo análisis. Espero algunas diferencias en los términos de error del modelo, el valor p para el modelo y el valor p de las estimaciones de los parámetros.
¿Es esa opción de función de diseño específica para el DOE, en caso afirmativo? ¿Cómo defino el factor continuo como independiente o covariable para usar en el modelo de mínimos cuadrados/ajuste?
¡¡Gracias!!
El término covariable puede ser complicado de entender, ya que su interpretación depende de cómo se utilice (contexto). En una aplicación de regresión donde los datos ya existen, las covariables son a menudo solo una variable independiente continua (y en ANCOVA, las otras variables independientes son probable categórico). Para fines del DOE, la covariable es típicamente una variable independiente que se mide, pero no se manipula específicamente (a menudo porque la covariable es el ruido, una variable que uno no está dispuesto a controlar). Al contabilizar/asignar la covariable en el modelo, aumenta la precisión de detección de los efectos del factor de diseño.
Por ejemplo, si estuviera realizando un experimento y le preocuparan los efectos de la temperatura ambiente. No está dispuesto a controlar la temperatura ambiente, por lo que toma la temperatura ambiente. mediciones durante cada corrida del experimento. Cuando escribe el modelo, agrega la temperatura ambiente. como una covariable (Por lo general, coloque la covariable primero en el modelo y use pruebas secuenciales (Tipo 1) para determinar su importancia. El uso de pruebas parciales (Tipo 3) para el resto de los efectos del modelo). Esto tendrá en cuenta los efectos de la temperatura ambiente (que de otro modo se habrían capturado en el término de error). Al eliminar esos efectos del término de error (MSE reducido), ha aumentado la precisión para probar los factores en el experimento.
No es necesario definir nada. Simplemente emita la variable independiente (columna de datos) en el rol Efectos después de seleccionar Analizar > Ajustar modelo. Supongo que la columna de datos se define como tipo de datos numéricos y tipo de modelado continuo. Puede verificar los tipos seleccionando la columna de datos y luego seleccionando Cols > Column Info.
Design Role = Covariable es una propiedad de columna que generalmente se crea automáticamente cuando diseña un experimento con JMP y agrega un factor de covariable. El término 'factor de covariable' en este caso se refiere específicamente a una variable que covaría en el tiempo con las ejecuciones, sus niveles están predeterminados y sus efectos deben estimarse en el modelo.
¿Por qué esperaría resultados diferentes del análisis de regresión?
