Fitting a model for a two-factor experimental designI'm trying to fit a model for a two-factor experimental design (2 factors). This is Problem 5.4 in D.C Montgomery book (Design and analysis of experiments 8th ed. Chap 5.The yield of a chemical process is being studied. The two most important variables are thought to be the pressure and the temperature. Three levels of each factor are selected, and a factorial experiment with two replicates is performed. The yield data are as follows:
The solution of this problem is met when Temperature and Pressure are set at "Nominal". I was expecting to set them at "Continous" but if I do that the ANOVA is wrong.
1) Why do I need to set factors to "Nominal" instead of "Continous" to get a proper ANOVA and fitting estimates?
2) If I want to find a regression model from the data, I need to set Temperature and Pressure at "Continous". Why?
Consumer and Market ResearchData Exploration and VisualizationDesign of ExperimentsBetreff: Anpassung eines Modells für ein Zwei-Faktor-VersuchsdesignIch denke, die Antwort auf Ihre beiden Fragen lautet: aufgrund des Workflows in JMP.
Wenn Sie eine ANOVA (Varianzanalyse, Differenz zwischen Gruppenmittelwerten in einer Stichprobe) durchführen möchten:
Unterschiedliche Gruppen in X sind nur dann vorhanden (oder eindeutig), wenn X nominal ist.
Wenn Sie also das nominale X in "fit x by y" verwenden, landen Sie in ANOVA.
Regressionsbedarf, den Sie mit Ihren x-Werten berechnen können. Dies ist nur bei stetigem x der Fall.
Einfach über den Datentyp von x und y teilen Sie JMP mit, welche Analyse Sie durchführen möchten. Sehen Sie sich das Bild unten links an, wenn Sie die Plattform "fit y by x" starten. Ich denke, dies ist eine schöne und effektive Schnittstelle, mit der JMP die Methoden anbietet, die zu Ihren Modellierungstypen passen. Es kann jedoch einige Zeit dauern, sich daran zu gewöhnen.
Betreff: Anpassung eines Modells für ein Zwei-Faktor-VersuchsdesignEs gibt mehrere Möglichkeiten, Datensätze zu analysieren. Nicht unbedingt "falsch". Was Sie beim ANOVA-Ansatz schätzen, ist die Auswirkung jedes Terms im Modell. Für das Zwei-Faktoren-Experiment, auf das Sie sich beziehen, hat jeder Faktor 2 Freiheitsgrade (oder 8 für die Modelleffekte), daher lautet das Modell:
Y = T + P + TP + Fehler
Wenn Sie die Regression für die Analyse verwenden, können Sie diese 2 Freiheitsgrade für jeden Faktor den linearen und quadratischen Effekten zuweisen:
Y = T + P + TP + T*T + P*P + E
Betreff: Anpassung eines Modells für ein Zwei-Faktor-VersuchsdesignIch bin mit dem genauen und vollständigen Problemkontext, wie im Buch angegeben, nicht vertraut, daher vermute ich hier nur ... in JMP können Variablen unterschiedliche Datentypen haben, die mehr oder weniger mit den analytischen Modellierungsmethoden für diese Datentypen übereinstimmen. In JMP sind einige (aber sicherlich nicht alle ... was JMP zu einer so nützlichen Anwendung macht!) dieser Datentypen als „nominal“ und „kontinuierlich“ gekennzeichnet. Vielleicht ist das, was Sie in dem Problem in dem Buch lesen, "nominal" bezieht sich auf die bevorzugten oder aktuellen Einstellungen für den untersuchten Herstellungsprozess und NICHT auf die in JMP verwendete Datentypbezeichnung?
Diese Arten von experimentellen Faktoren, wie sie in dem Problem dargelegt sind, werden typischerweise als "kontinuierlich" im Sinne eines JMP-Datentyps betrachtet, was wiederum eine Vielzahl von Modellierungsmethoden eröffnet, von denen eine in JMP als "Standard Least Squares" bezeichnet wird ... was in wiederum führt zu einem guten altmodischen linearen Regressionsmodell.
