Welche Modellausgaben sind zu betrachten? (Standard kleinste Quadrate)Ich bereite mich auf ein Kundengespräch vor und frage mich, ob dies bereits jemand in der Vergangenheit getan hat ...
Sie möchten wissen, welche Ausgaben bei der Analyse eines Experiments in der Ausgabe der kleinsten Quadrate zu berücksichtigen sind.Hat jemand schon etwas zusammengestellt mit Screenshots und einer kurzen Beschreibung, wonach zu suchen ist?
Danke im Voraus.
Betreff: Welche Modellausgaben sind zu betrachten? (Standard kleinste Quadrate)Ich habe nichts zusammengestellt, aber ich betone Folgendes (ich wähle Screening für die Persönlichkeit auch für eine DOE-Analysepräsentation):
- Sehen Sie sich die tatsächliche nach vorhergesagter Handlung an. Gibt es Klumpen von Datenpunkten außerhalb der roten Linie? Diese passen schlecht zum Modell, wählen Sie sie aus und untersuchen Sie sie im Graph Builder. Befinden sich die Daten alle auf der blauen Linie? Alles, was Ihr Modell erklärt, ist der Mittelwert. Liegen die Punkte oben und unten auf der roten Linie? Wenn nicht, sagt Ihr Modell schlecht voraus, wo die Punkte die Linie verlassen. Häufig funktionieren Modelle nicht über den gesamten Datenbereich und der Benutzer muss darüber nachdenken, ob dies wichtig ist. Interessiert es sie zum Beispiel, dass das Modell bei nicht spezifikationsgerechten Maßnahmen im Vergleich zur spezifikationsgerechten Leistung schlecht abschneidet?
- Allgemeine Bedeutung - Werfen Sie das Baby nicht mit dem Badewasseransatz raus, wenn es p = 0,1 usw. ist. Sie haben immer noch ein Signal von einem DOE, aber gehen Sie vorsichtig vor. Vor allem, wenn Sie viel Geld ausgegeben haben. Sie können die Ergebnisse auch partitionieren, um ein nicht signifikantes DOE zu verstehen.
- R-Quadrat und angepasstes R-Quadrat = Sie möchten, dass sie hoch und zusammen sind (max = 1, min = 0). Wenn das angepasste r-sq nahe bei 0 oder negativ und weit vom R-Quadrat entfernt ist, ist Ihr Modell für die Anzahl der Läufe zu komplex und Sie müssen etwas aus Ihrem Modell herausnehmen. R-Quadrat = So viel Variation wird vom Modell über Ihre Y-Variable erklärt. Ein niedriges r-Quadrat bedeutet, dass Ihre Faktoren und Faktoreinstellungen keinen großen Einfluss auf das Ergebnis haben oder dass das Signal stark verrauscht ist (haben sie Läufe repliziert, um ihr System zu überprüfen)? Auch haben nur wenige Läufe nicht viel Leistung, wenn es viel Lärm gibt. Ich mag es nicht, dass die Zusammenfassung der Anpassung nicht im Screening angezeigt wird. Aktivieren Sie sie also oder verwenden Sie die Persönlichkeit "Minimaler Bericht" und aktivieren Sie einige andere Dinge. Das angepasste R-Quadrat ist in DOE sehr häufig und fällt mit marginalen Ergebnissen deutlich unter das R-Quadrat. Die Menschen sind sich sicher, dass sie jede Interaktion mit minimalen Läufen testen können.
- Fehlende Passform - Wenn diese Option aktiviert ist, fügen Sie Ihrem Modell weitere hinzu. Sie können dies mit den Popcorn-Daten ganz einfach zeigen - die Haupteffekte schalten sie nur ein. Details dazu sind für Kunden selten von Bedeutung. Sie sind lediglich ein Zeichen dafür, dass Sie dem Modell Interaktionen oder Polynome höherer Ordnung hinzufügen müssen. Daher fehlt / fehlt etwas. Ich habe gesehen, dass dies die Leute darüber informiert, Tertiäreffekte mit Gasen usw. hinzuzufügen. Etwas, nach dem sie nicht einmal gesucht haben, das aber Sinn machte.
- Sehen Sie sich das Restdiagramm an. Wenn es seltsam aussieht (Lächeln, Stirnrunzeln, Kegel), untersuchen Sie die Daten im Graph Builder. Vielleicht durch Y-Transformation behoben. Sie können Box-Cox erwähnen, aber das ist im Unkraut.
- Skalierte Schätzungen (in dieser Reihenfolge!) - Es ist einfacher, sie zum Verstehen des Bildes zu bewegen, um die nächsten 2 Tabellen zu erstellen - dies ist SO hilfreich - nach der skalierten Schätzung zu sortieren und es ist das Pareto der Auf- und Ab-Effekte in der RICHTUNG der Y-Variablen! Lassen Sie sie sich auf die grauen Balken in der Mitte konzentrieren. Bildschirmgröße 3 Steigt Auflösung, während Bildschirmgröße 5 Nimmt ab Auflösung usw. Wenn sie dann in den nächsten beiden Abschnitten mehr Details wünschen, können Sie sie jetzt kurz halten, da sie eine Vorstellung davon haben, was für die Ergebnisse passiert, was sie wirklich interessiert. Der Stat-Test entspricht hier der Tabelle mit den Parameterschätzungen.
- Parameterschätzungen (nach skalierten Effekten) - die Koeffizienten in dem Modell, das sie erstellt haben. Ich zeige ihnen damit den Vorhersageausdruck. Dieser T-Test prüft, ob er sich mit 0 (Null) überschneidet.
- Effekttest - war jeder Faktor signifikant? Der Effekttest ist in einigen Fällen derselbe wie eine Parameterschätzung (kontinuierliche Variablen), testet jedoch über Ebenen hinweg auf nominale / ordinale Daten. Die Art und Weise, wie Nennwerte codiert werden, wird nicht angegeben. Sie können dies mit der Spalteigenschaft für die Wertreihenfolge anpassen (die letzte wird weggelassen).Einfacher zu interpretieren, wenn Sie eine kategoriale Variableninteraktion mit einer kontinuierlichen haben (z. B. Bildschirmgröße x Mill-Zeit). Die Art und Weise, wie diese in Parameterschätzungen geschrieben werden, ist ein impliziter Unterschied zwischen einer der Kategorien, sodass eine weggelassen wird.
- Dann der Profiler! Normalerweise beginne ich mit der Beurteilung der variablen Wichtigkeit, und ich sehe keine Leute, die das tun. Es hilft Ihrer Präsentation, da die Dinge jetzt in der richtigen Reihenfolge von wichtig bis unwichtig sind und unwichtige Dinge weit von der Y-Achse entfernt sind. Sie können es auch einfärben und es betont, was Sie gerade durchgemacht haben. "Sehen Sie, wie wichtig die Bildschirmgröße ist! - Sie müssen hier nicht tief gehen, es ist ein visuelles Werkzeug. Dann Optimierung und Simulation.
- Ein Hinweis für statistische Tests unter Nennwerten (wie Bildschirmgröße) - Verwenden Sie die Hebel-Diagramme, da alle Tools vorhanden sind.
Betreff: Welche Modellausgaben sind zu betrachten? (Standard kleinste Quadrate)Danke für die tolle Diskussion, Laura.
Ich habe einige Folien erstellt, die andere kommentieren / bearbeiten / wiederverwenden können.
Betreff: Welche Modellausgaben sind zu betrachten? (Standard kleinste Quadrate)Das ist wirklich schön, @wendytseng . Tatsächlich hat diese Woche ein Kunde genau das Gleiche verlangt.
Ich glaube nicht, dass so etwas anderswo in unseren Ressourcen existiert. Es könnte gut sein, es weiter zu teilen, z. B. in a JMPer-Kabel Post.
Vielen Dank,
Phil
Betreff: Welche Modellausgaben sind zu betrachten? (Standard kleinste Quadrate)Gut gesagt, @phil_kay ! Genau. Der Inhalt in Ihrem PowerPoint wird einen schönen Blog-Beitrag machen, @wendytseng !
Betreff: Welche Modellausgaben sind zu betrachten? (Standard kleinste Quadrate)Ich weiß, dass es chaotisch wird, aber ich würde auch der Folie "Mangel an Passform" hinzufügen, dass Sie reine Replikate UND eine zusätzliche Ebene der Faktoren benötigen. Ich könnte ein vollständiges faktorielles Design vollständig replizieren, aber wenn ich das vollständige Modell anpasse, bekomme ich keinen Test auf fehlende Anpassung.
Betreff: Welche Modellausgaben sind zu betrachten? (Standard kleinste Quadrate)@phil_kay und @ Jeff_Perkinson ,
@ Jason_Wiggins und ich werde daran arbeiten, etwas zusammenzustellen.Wenn hilfreich, können wir es teilen und Feedback in einem bevorstehenden SE-Meeting erhalten (Gedanken @chuck_boiler und @ MaryLoveless ?).
Wir denken darüber nach, die Ausgaben in zwei Klassen aufzuteilen:
- Gesundheitschecks "Ist mein Modell gesund genug?"
- Interpretation "Welche Aussagen kann ich machen? Welche Maßnahmen kann ich ergreifen? "
Mit diesen 2 Klassen von Ausgaben können Sie sie in ein "Menü" -Framework einfügen.Wählen Sie die gewünschte Mahlzeit basierend auf der Zeit, die Sie haben / Auswirkungen Ihrer Entscheidungen, der Datenkomplexität und Ihrem "Temperament" (einige Ingenieure und Wissenschaftler lieben es, ins Unkraut zu geraten, andere nicht):
- Happy Meal (kleinster Satz von Ausgaben): Nur das Nötigste
- Cheeseburger Combo (mittel): Eine gute Balance
- Big Mac Combo (groß oder ... "Super Sized"): Alle wichtigen Ausgaben, vorausgesetzt, Sie müssen angesichts der Ergebnisse und / oder des Temperaments dorthin gehen
Um es klar auszudrücken, ich behaupte nicht, dass die Verwendung unserer Software dem Verzehr von verarbeiteten Lebensmitteln gleicht.
Betreff: Welche Modellausgaben sind zu betrachten? (Standard kleinste Quadrate)Könnte auch ein cooler Blog sein!:)
Betreff: Welche Modellausgaben sind zu betrachten? (Standard kleinste Quadrate)Tolle Idee, Chuck!Danke, dass du einer meiner Redakteure bist!
Hier ist der Beitrag für den Fall, dass andere interessiert sind.Es gibt 5 Teile und dies ist Teil 1:
https://community.jmp.com/t5/JMP-Blog/An-analyst-s-new-year-s-resolution-Use-models-to-solve-more/ba-p/346098
Letzteres soll nächste Woche am 11. Februar veröffentlicht werden.
Betreff: Welche Modellausgaben sind zu betrachten? (Standard kleinste Quadrate)Wendy
Ich habe zwei Kommentare.
1. Interpretation der skalierten Schätzungen.
Das sagst du Zum Beispiel: "Kochsalzlösung erhöht den Abrieb um 29,2 * 2 = 58,4 Einheiten, wenn sie von niedrig (33,67) auf hoch (66,33) erhöht wird."
Ich schlage vor, dass Sie hinzufügen " und die anderen Variablen (dh Siliciumdioxid und Schwefel) werden auf ihrem Mittelwert konstant gehalten "zum obigen Satz.
2. Vorhersageprofiler
Zusätzlich zu dem, was Sie über die Profiler aufgelistet haben, möchte ich die Schätzungen visualisieren und eine weitere wichtige Funktion optimieren. Für dieses RSM kann JMP den vorhergesagten Abrieb bei verschiedenen Werten der Eingangsvariablen berechnen lassen. Beispielsweise beträgt die Änderung des Abriebs aufgrund von Kochsalzlösung 58,3986 (= 159,1262 - 100,7276), wenn sie vom Minimalwert auf den Maximalwert erhöht wird.(Der gleiche Wert, den Sie aus dem Bericht "Skalierte Schätzungen" berechnet haben.)
