¡Hola!
Simplemente curioso por qué vemos resultados diferentes en tales casos.
Aquí tenemos un diseño factorial clásico de 2 factores y 2 niveles que podemos analizar usando regresión nominal / regresión logística.
El análisis muestra que solo la interacción es significativa:
Sin embargo, si transformamos estos datos como si hubiera 4 factores A1, B1, C (A1 * B1), D (A0 * B0),
¿Entonces veremos que los efectos principales son significativos?
¿Cómo podemos explicar e interpretar esto?
PD
Los conjuntos de datos están en archivos adjuntos. Estos resultados son de experimentos reales.
Realmente no tienes cuatro factores. Su construcción sobreespecifica el modelo, por lo que JMP pone a cero arbitrariamente el último 'factor' e indica que los tres primeros están sesgados.
El equivalente a dos factores de dos niveles sería un factor de cuatro niveles, no cuatro factores de dos niveles.
Sí, como dice Mark ... tienes 3 grados de libertad en 4 tratamientos.
