Ist es möglich, einen Faktor zu haben, der in einem Antwortoberflächenmodell nicht signifikant ist, aber der quadratische Term für denselben Faktor ist?Ich versuche, eine meiner Antworten in JMP zu modellieren, die mithilfe eines DoE-CCD-Designs bewertet wurde. Im DoE-Modell habe ich einen Faktor, der für das Modell um diese Antwort nicht signifikant ist (p> 0,05), aber der quadratische Term ist signifikant (p <0,05). Nach dem Effekt-Erbprinzip sollte mindestens einer der übergeordneten Faktoren signifikant sein, damit eine Wechselwirkung signifikant ist. Gilt das auch für quadratische Terme? Wie ist das zu interpretieren?
DAMHIRSCHKUHBetreff: Ist es möglich, einen Faktor zu haben, der in einem Antwortoberflächenmodell nicht signifikant ist, aber der quadratische Term für denselben Faktor ist?Effektvererbung ist eine Richtlinie / ein Konzept / ein Prinzip, keine feste Regel. Es ist ein Prinzip, das uns dabei hilft, Systeme mit linearen Parametern in den Parametermodellen zu charakterisieren. Es ist also durchaus möglich, dass ein Haupteffekt nicht signifikant ist, aber ein quadratischer Effekt für denselben Faktor ist signifikant. Hier ist ein simuliertes Beispiel. Beachten Sie die perfekte Parabel für X1. Die resultierende Fit-Modell-Analyse, die nur den X1 * X1-Term zeigt, ist signifikant.
Betreff: Ist es möglich, einen Faktor zu haben, der in einem Antwortoberflächenmodell nicht signifikant ist, aber der quadratische Term für denselben Faktor ist?Hinzufügen zu @P_Bartell In dieser Situation wird das Thema "Modellhierarchie" angesprochen. Das Vorhandensein des quadratischen Terms verursacht eine Hierarchie. X ist in X * X vorhanden. Aus diesem Grund wird dringend empfohlen, die Hierarchie beizubehalten. Das heißt, wenn der X * X-Term signifikant ist, der X-Term jedoch nicht signifikant, behalten Sie beide Terme im Modell.
JMP sucht nach solchen Fällen und warnt Sie, wenn das Entfernen eines Begriffs die Hierarchie beeinflusst. Mit JMP können Sie fortfahren, dies wird jedoch nicht empfohlen.
Betreff: Ist es möglich, einen Faktor zu haben, der in einem Antwortoberflächenmodell nicht signifikant ist, aber der quadratische Term für denselben Faktor ist?Markieren ist korrekt, da dies eine Effekthierarchie ist. Stellen Sie sich das so vor: Wenn Sie die Krümmung des Faktors (X * X) "modellieren" möchten, müssen Sie X auf jeden Fall verwalten. Ob es zur Vorhersagegenauigkeit beiträgt oder nicht, ist wirklich von geringer Bedeutung.
