Est-il possible d'avoir un facteur qui n'est pas significatif dans un modèle de surface de réponse, mais que le terme quadratique pour le même facteur l'est ?J'essaie de modéliser l'une de mes réponses dans JMP qui a été évaluée à l'aide d'un modèle DoE CCD. Dans le modèle DoE, j'ai un facteur qui n'est pas significatif pour le modèle autour de cette réponse (p > 0,05) mais le terme quadratique est significatif (p < 0,05). Selon le principe d'hérédité de l'effet, pour qu'une interaction soit significative, au moins un de ses facteurs parents doit être significatif. Cela s'applique-t-il également aux termes quadratiques ? Comment cela doit-il être interprété ?
Planification d'expériencesIngénierie de la qualité et des procédésRe : Est-il possible d'avoir un facteur qui n'est pas significatif dans un modèle de surface de réponse, mais le terme quadratique pour le même facteur l'est ?Mark est correct car il s'agit de la hiérarchie des effets. Pensez-y de cette façon, si vous allez "modéliser" la courbure du facteur (X*X) alors vous devrez certainement gérer X. Qu'il contribue ou non à la précision de la prédiction importe peu.
Re : Est-il possible d'avoir un facteur qui n'est pas significatif dans un modèle de surface de réponse, mais le terme quadratique pour le même facteur l'est ?Ajouter à @P_Bartell , cette situation soulève le sujet de la « hiérarchie des modèles ». La présence du terme au carré provoque une hiérarchie. X est présent dans X*X. En tant que tel, il est fortement recommandé de maintenir la hiérarchie. C'est-à-dire que si le terme X*X est significatif mais que le terme X n'est pas significatif, conservez les deux termes dans le modèle.
JMP recherche ces cas et vous avertit si la suppression d'un terme affecte la hiérarchie. JMP vous permettra de continuer, mais ce n'est pas recommandé.
Re : Est-il possible d'avoir un facteur qui n'est pas significatif dans un modèle de surface de réponse, mais le terme quadratique pour le même facteur l'est ?L'hérédité des effets est une ligne directrice/concept/principe, pas une règle absolue. C'est un principe pour nous guider dans la façon dont nous pouvons choisir de caractériser les systèmes avec des modèles linéaires dans les paramètres. Il est donc tout à fait possible qu'un effet principal ne soit pas significatif mais qu'un effet quadratique pour le même facteur soit significatif. Voici un exemple simulé. Notez la parabole parfaitement symétrique pour X1. Et l'analyse résultante du modèle d'ajustement montrant uniquement le terme X1*X1 est significative. Et sans être tout à fait pédant, lorsque nous utilisons le mot « facteur », nous entendons généralement la « chose » physique qui se trouve dans un système. Lorsque nous parlons d'« effets », nous parlons de diverses manières d'inclure un facteur dans un modèle linéaire/non linéaire pour cette matière. Donc, pour dire qu'un «facteur» n'est PAS significatif, j'interpréterais cela comme TOUS les effets, y compris ce facteur, ne sont pas significatifs. Mais dire qu'un « effet » n'est pas significatif signifie qu'un seul terme spécifique du modèle n'est pas significatif. Ainsi, dans la situation ci-dessous, le facteur X1 est "actif", mais l'effet principal X1 n'est pas significatif, mais l'effet X1*X1 est significatif.
