Analisi del design a 2 fattori e a 2 livelli come se fosse 4 design di trattamento diversoCiao!
Sono solo curioso del motivo per cui vediamo risultati diversi in questi casi.
Qui abbiamo un classico disegno fattoriale a 2 fattori e 2 livelli che possiamo analizzare utilizzando la regressione nominale / regressione logistica.
L'analisi mostra che solo l'interazione è significativa:
Tuttavia, se trasformiamo questi dati come se ci fossero 4 fattori A1, B1, C (A1 * B1), D (A0 * B0),
allora vedremo che gli effetti principali sono significativi?
Come possiamo spiegarlo e interpretarlo?
PS
I set di dati sono allegati. Questi risultati provengono da un vero esperimento.
DOEOggetto: Analisi del design a 2 fattori a 2 livelli come se fosse 4 design di trattamento diversoNon hai davvero quattro fattori. La tua costruzione specifica eccessivamente il modello, quindi JMP azzera arbitrariamente l'ultimo "fattore" e indica che i primi tre sono distorti.
L'equivalente a due fattori a due livelli sarebbe un fattore a quattro livelli, non quattro fattori a due livelli.
Oggetto: Analisi del design a 2 fattori a 2 livelli come se fosse 4 design di trattamento diversoGià, come dice Mark ... hai 3 gradi di libertà in 4 trattamenti.
Oggetto: Analisi del design a 2 fattori a 2 livelli come se fosse 4 design di trattamento diversoMi dispiace.
Ho corretto il file a 1 fattore 4 livelli. Ora mostra che il livello A (che è il fattore A) è significativo:
