構成モデルの効果の理解-因子*因子と因子の交互作用こんにちは、
「フィットモデル」分析「モデル仕様」を実行するときに、「モデル効果の構築」セクションを理解しようとしています。
この「モデル効果の構築」セクションでは、圧縮力などの因子がそれ自体と、それ自体との因子相互作用、つまり「圧縮力」および「圧縮力*圧縮力」の両方として存在する2次項を評価する機能があります。
この「モデル効果の構築」セクションの画像を以下のこの投稿に含めました。
物理的な意味での違いが何なのかわかりません。 因子の交互作用を評価する能力があるのはなぜですか？それはそれ自体との交互作用の単なる因子です。 圧縮力を変更したり、それ自体で変更したりすることはできません。 圧縮力の変化はそれ自体に影響を与え、圧縮力と圧縮速度の相互作用に影響を与えるため、圧縮力と圧縮速度の相互作用を理解できます。
それは純粋に二次項を含める手段としてですか？ もしそうなら、これの目的/使用は何ですか？
時間を割いて私の投稿を読んでくれてありがとう。このトピックについて他のJMPユーザーと交流できることを楽しみにしています。
敬具、
ジョー
分析Re：構成モデルの効果の理解-因子*因子対因子の交互作用こんにちはジョー、
それは確かに少し混乱しています。 私が理解している限り、「FACTOR Y * FACTOR Y」式は、変数を2次空間に変換する手段であり、新しい列でFACTORYの2乗を計算してモデルで使用するのと同じです。 2つの異なる要因間の相互作用の定式化を考えると、混乱がどこから生じているのかがわかります。
他のメンバーは、この質問についてより技術的なフィードバックを持っている可能性があります。
ベスト、
TSRe：構成モデルの効果の理解-因子*因子と因子の交互作用こんにちはジョー、
この変数がモデルの2次項を表すと仮定するのは正しいです。
モデルを構築するとき、特定の要因がデータの応答にどのように影響するかを説明しようとしています。 ここでは主効果モデルが役立ちますが、応答データに見られる変動をさらに説明するために、追加の2次効果または交互作用効果を含めることが有益な場合がよくあります。
予測プロファイラーは、物理的な観点からモデルを理解するための優れたインタラクティブツールです。 これを示す優れた例は、JMPの[ヘルプ]-> [サンプルデータ]-> [産業実験]-> [タブレットProduction.jmp]の例にあります。 FitModelおよびFitModel with Interaction Profilesスクリプトを実行し、2つのモデルの違いを観察します。
主な効果モデル：
主効果+交互作用+二次モデル
2でndプロファイラー、モデルに2次効果を導入する効果を示すMillTime変数を観察します。 Mill Timeの値を5から30に調整すると、この項がモデルに与える物理的な影響が観察されます。これは、2つの極値間のDisso応答のピークです。
これは、線形傾向が見られるメインエフェクトモデルとは対照的であり、ミルタイムを増やすとDissoのパフォーマンスが向上することが期待されます。
JMPの統計知識ポータルは、数学がどのように機能するかについて、ビジュアルを含む優れた優れた説明を提供します多重線形回帰。 また、産業問題解決のための統計的思考もご覧ください。相関および回帰モジュール詳しく知ることができ。
