Analyse de la conception à 2 facteurs à 2 niveaux comme s'il s'agissait de 4 plans de traitement différentsBonjour!
Juste curieux de savoir pourquoi nous voyons des résultats différents dans de tels cas.
Nous avons ici un plan factoriel classique à 2 facteurs à 2 niveaux que nous pouvons analyser à l'aide de la régression nominale / régression logistique.
L'analyse montre que seule l'interaction est significative:
Cependant, si nous transformons ces données comme s'il y avait 4 facteurs A1, B1, C (A1 * B1), D (A0 * B0),
alors nous verrons que les principaux effets sont importants?
Comment expliquer et interpréter cela?
PS
Les ensembles de données sont en pièces jointes. Ces résultats sont issus d'expériences réelles.
BICHERe: Analyser la conception à 2 facteurs à 2 niveaux comme s'il s'agissait de 4 plans de traitement différentsVous n'avez pas vraiment quatre facteurs. Votre construction sur-spécifie le modèle, donc JMP met à zéro arbitrairement le dernier «facteur» et indique que les trois premiers sont biaisés.
L'équivalent de deux facteurs à deux niveaux serait un facteur à quatre niveaux, et non quatre facteurs à deux niveaux.
Re: Analyser la conception à 2 facteurs à 2 niveaux comme s'il s'agissait de 4 plans de traitement différentsOui, comme le dit Mark ... vous avez 3 degrés de liberté en 4 traitements.
Re: Analyser la conception à 2 facteurs à 2 niveaux comme s'il s'agissait de 4 plans de traitement différentsJe suis désolé.
J'ai corrigé le fichier au niveau 1 facteur 4. Maintenant, cela montre que le niveau A (qui est le facteur A) est significatif:
