建立仿真模型和實驗模型並進行比較所以我有一些實驗數據和一些模擬數據，我想比較這些因素的敏感性，看看它們是如何排列的。
這類似於：如何根據我的舊實驗數據建立預測模型？
我是 JMP 的新手，所以希望我做得對。
附上模擬（2）和實驗數據（3）。
1. 在兩個資料集上使用「擬合模型」指令並比較參數估計值是否為正確的方法？
2. 如果是這樣，當執行兩組資料時，我得到 X1 X2 X3 的標準誤差相同的值。 我的印像是標準誤差與參數估計的擬合品質有關，但我不明白它們怎麼可能對所有 3 個都相同。 我在這裡缺少什麼嗎？
謝謝
進階統計建模數據探索和視覺化回覆：建立模擬模型和實驗模型並進行比較我預計 Y 不會改變太多，也許是 0.1 左右。 您強調的 6 點可能是測試問題。
重複是不同設備的測量，但設計參數相同。
您如何將其作為隨機重複進行分析？
透過減少模型，您的意思是刪除額外的項目嗎？
老實說，當我最初看到這個問題時，我覺得 STD 錯誤都一樣而且都這麼低，這對我來說沒有意義。 在閱讀了更多有關統計數據的內容後，我們就明白如何計算誤差。 我想我希望表明參數估計值在測量值的「1 個標準差」內，因為測量結果的噪音非常大。 當我比較參數估計值時，我認為實驗和模擬或多或少都得到了跟踪，所以我對結果非常滿意。
回覆：建立模擬模型和實驗模型並進行比較抱歉，當我不了解你所做的情況、實驗或分析時，我很難回答你的問題。 Y 的變化有多少具有科學或工程意義？ 810 行資料的 Y 總範圍為 0.44。有實際意義嗎？ 每個治療組合都有多個數據點。 這些是重複還是隨機重複？ 如果我將實際實驗視為隨機重複進行分析，我會發現至少 6 個不尋常的數據點（透過殘差分析）。 R 平方約為 0.49，這表示用於分析的模型僅解釋了資料中約 49% 的變異。 只有主效應和可能的二次效應具有統計意義。 模型縮小了嗎？ 模型有意義嗎？
來源 | 對數沃斯 | | P值 |
X1(0.85,1.15) | 101.912 |  | 0.00000 |
X3(0.85,1.15) | 20.133 |  | 0.00000 |
X2(0.85,1.15) | 13.329 |  | 0.00000 |
X2*X2 | 2.563 |  | 0.00274 |
X1*X1 | 1.030 |  | 0.09336 |
X1*X3 | 0.970 |  | 0.10727 |
X3*X3 | 0.925 |  | 0.11896 |
X1*X2 | 0.607 |  | 0.24733 |
X2*X3 | 0.294 |  | 0.50874 |
回覆：建立模擬模型和實驗模型並進行比較@hluo90對於我的問題#4，我要問的是模擬實驗和實證實驗之間的反應分佈如何進行比較。 我可能會從每個分佈的直方圖開始，然後比較每個分佈的分佈、形狀和集中趨勢。 然後檢查分佈與這些特徵的匹配程度。
對於我的問題#5，每個實驗都會產生一個模型。 每個模型都可以用來進行預測。 觀測值和預測值之間的算術差異就是殘差。 殘差分佈如何比較？
對於我的問題#5，使用 JMP 的蒙特卡羅模擬功能之類的功能，您可以改變每個模型中的預測變量，並查看響應如何根據該變化而變化。
回覆：建立模擬模型和實驗模型並進行比較我的意思是參數估計的標準誤。 在進一步了解它們的計算方式之後
參數中誤差/變化的總和，看來參數的標準誤差應該是相同的。
回到目標，是的，我正在嘗試比較每個資料集中的 2 個模型。 數據集是電路中參數的變化。 比較兩個模型並表明改變模擬/硬體中的電路參數會產生相同/相似的結果的標準/最佳方法是什麼？
回覆：建立模擬模型和實驗模型並進行比較1. 當然，所以本質上我對改變某些參數的電路性能進行了模擬。 我還測量了相同電路的不同參數的結果。 我想表明測量結果要么與模擬匹配，要么不匹配。
2. 這種情況下的參數估計將是變化的電路參數，因此我認為從實際角度來看這很重要。
3. 現在是一樣的，但是模擬模型應該有更多的點。
4-6，不確定我是否理解。
最終，我只是想證明模擬可以準確預測製造的設備。
回覆：建立模擬模型和實驗模型並進行比較我不明白你的問題。 「因素的敏感度」是什麼意思？ 您是否想比較每個資料集中的 2 個模型？ 如果是這樣的話，如@P_巴特爾表明，模型有許多特徵可以進行比較（R 平方、RMSE、係數（估計值）、殘差（事實上，DOE 資料中存在不尋常的殘差）。簡要查看這兩個資料集後，我不確定您在做什麼分析，但我沒有得到相同的參數估計標準錯誤，也沒有在模型中得到相同的統計顯著參數。
模擬是如何創建的？ 使用什麼模型進行模擬？
回覆：建立模擬模型和實驗模型並進行比較免責聲明：我沒有查看數據、模型或任何為您的問題創建的分析。
我將把我的大部分評論集中在你的第一個問題上......有很多問題和一些想法。
1. 能分享一下目前的實際問題嗎？ 我相信任何分析和結論都需要透過這個鏡頭來考慮和過濾，而不是僅僅查看圖表、數據和統計數據。
2. 參數估計的盲數值比較是比較這兩個系統的一種方法，也是唯一的一種方法。 我幾乎可以保證它們會有所不同。 哎呀，再次重新運行經驗實驗，我幾乎可以保證數字差異。 但從實際角度來看，這些差異重要嗎？ 請參閱問題#1。多於。
3. 模擬資料和經驗資料在因子空間內有多少重疊？ 是否存在不一致的興趣領域？
4. 每個響應空間有多少重疊？ 是否存在不一致的興趣領域？
5. 每個模型的殘差空間的一致性程度為何？ 畢竟...這是對每個模型無法解釋的變化的估計...不一致的程度有問題嗎？
6. 您是否嘗試過對每個模型進行模擬以了解建模空間的敏感度？
我邀請其他人發表評論並添加他們的想法。 但歸根結底，我認為僅查看參數估計對於“系統中發生了什麼？”的看法非常非常狹隘。
