354844_zh-TW

liliconcom

JMP 變異數分析給出錯誤的自由度數

你好，

對於 JMP 來說是全新的，所以如果我做的事情對你們這些明智的人來說顯然是錯誤的，我深表歉意。我正在嘗試對資料集運行雙因素變異數分析，該資料集涉及使用 3 種不同材料在 3 種不同溫度下的電池測試壽命。然而，當我使用 JMP 運行「擬合模型」時，每個效果只獲得 1 個自由度，而不是我期望的 2 個自由度（3 個數據點 - 1 = 2 個自由度）。這導致我的 F 比率和 p 值太小而被嚴重高估。我已附上我正在使用的原始 .jmp 檔案、我的模型規格對話框以及我從模型獲得的輸出。我究竟做錯了什麼？

最好的，

約旦

 

 

消費者與市場研究回复：JMP ANOVA 給出了錯誤的自由度數

今天早上我正要關閉你的數據集，又想到了一件事。

對於您要問的問題，簡單的普通最小二乘法分析可能是錯誤的。

看起來您的時間列類似於失敗時間。 在這種情況下，您需要知道特定時間的失敗概率。例如 B10 時間，作為溫度和材料的函數。

 

在這種情況下，參數生存擬合是一個不錯的選擇

Fit Model(
 Y( :Name( "Life (hours)" ) ),
 Effects(
  :Temperature & RS,
  :Material Type,
  :Temperature * :Temperature,
  :Temperature * :Material Type
 ),
 Personality( "Parametric Survival" ),
 Distribution( "Weibull" ),
 Run(
  Likelihood Ratio Tests( 1 ),
  Quantile Profiler(
   1,
   Confidence Intervals( 1 ),
   Adapt Y Axis( 1 ),
   Term Value(
    Temperature( 68, Lock( 0 ), Show( 1 ) ),
    Material Type( 3, Lock( 0 ), Show( 1 ) ),
    Failure Probability( 0.1, Lock( 0 ), Show( 1 ) )
   )
  )
 ),
 SendToReport(
  Dispatch( {}, "Effect Summary", OutlineBox, {Close( 1 )} ),
  Dispatch( {}, "Whole Model Test", OutlineBox, {Close( 1 )} ),
  Dispatch( {}, "Parameter Estimates", OutlineBox, {Close( 1 )} ),
  Dispatch( {}, "Wald Tests", OutlineBox, {Close( 1 )} ),
  Dispatch( {}, "Effect Likelihood Ratio Tests", OutlineBox, {Close( 1 )} ),
  Dispatch(
   {"Quantile Profiler"},
   "10000",
   ScaleBox,
   {Min( 0 ), Max( 220.470532541004 ), Inc( 25 ), Minor Ticks( 0 )}
  ),
  Dispatch(
   {"Quantile Profiler"},
   "Profiler",
   FrameBox,
   {Frame Size( 208, 207 )}
  ),
  Dispatch(
   {"Quantile Profiler"},
   "Profiler",
   FrameBox( 3 ),
   {Frame Size( 208, 207 )}
  ),
  Dispatch(
   {"Quantile Profiler"},
   "Profiler",
   FrameBox( 5 ),
   {Frame Size( 208, 207 )}
  )
 )
)

回复：JMP ANOVA 給出了錯誤的自由度數

歡迎來到社區，我正在查看您的數據集，我有一個問題：您對每個治療組合有 4 個響應，它們是什麼？ 它們是重複的還是重複的（並且是隨機的）？

分析完全取決於數據的收集方式（與軟件無關）。 確實，如果一個因子大於 2 個水平，那麼您如何設置數據類型很重要。 如果變量確實是連續的，那麼回歸方法將比方差分析提供更多關於模型效果的信息（但您需要將多項式項添加到模型中）。

回复：JMP ANOVA 給出了錯誤的自由度數

 

 

在報告中打開此選項以查看名義變量的所有水平

 

此外，為了獲得更好的幫助，讓人們知道你在做什麼。 單擊頂部的紅色小三角形，保存腳本 > 到剪貼板。 然後返回這裡輸入您的問題，然後單擊帖子窗口上方的“”按鈕，然後將您的剪貼板粘貼到那裡。

它看起來像這樣：

Fit Model(
 Y( :Name( "Life (hours)" ) ),
 Effects(
  :Temperature & RS,
  :Material Type,
  :Temperature * :Temperature,
  :Temperature * :Material Type
 ),
 Run);

 

通過針對您提供的數據表運行此腳本，您可以準確地看到我的分析結果。

 

這是一個響應面模型。 它包括所有雙向交互作用和二次效應。 注意材料是標稱的，溫度是連續的。

 

 

回复：JMP ANOVA 給出了錯誤的自由度數

果然，我只是錯誤地解釋了這一點。 我假設 JMP 會使用自由度為 n-1 的效應模型，但由於我將溫度設置為連續變量，JMP 實際上使用的是自由度較低 (1) 的回歸模型。 通過添加溫度 * 溫度項，我可以將自由度提高到 2，或者通過將溫度更改為分類變量（不是連續變量）。

回复：JMP ANOVA 給出了錯誤的自由度數

看起來 JMP 完全沒有我的 T=70 度條件。 這真是離奇。