구성 모델 효과의 이해-요인 * 요인 대 요인 상호 작용안녕,
'모델에 적합'분석 '모델 사양'을 수행 할 때 '모델 효과 구성'섹션을 이해하려고 노력하고 있습니다.
이 '모델 효과 구성'섹션에는 압축력과 같은 요소가 자체적으로 존재하고 '압축력'및 '압축력 * 압축력'과 같은 요소 상호 작용으로 존재하는 2 차 항을 평가할 수있는 기능이 있습니다.
아래이 게시물에이 '모델 효과 구성'섹션의 이미지를 포함했습니다.
나는 중요성의 물리적 관점에서 차이점이 무엇인지 이해하지 못합니다. 왜 우리는 그 자체와 상호 작용의 요소 인 요소 상호 작용을 평가할 수있는 능력을 가지고 있습니까? 압축력을 변경할 수 없으며 자체적으로 변경할 수 없습니다. 압축력의 변화가 자체에 영향을 미치고 압축력과 압축 속도의 상호 작용에 영향을 미치기 때문에 압축력과 압축 속도의 상호 작용을 이해할 수 있습니다.
순전히 이차 항을 포함하는 수단입니까? 그렇다면 이것의 목적 / 용도는 무엇입니까?
시간을내어 게시물을 읽어 주셔서 감사 드리며이 주제에 대해 동료 JMP 사용자들과 교류 할 수 있기를 기대합니다.
감사합니다.
조
해석학Re : 구성 모델 효과의 이해-요인 * 요인 대 요인 상호 작용안녕 조,
실제로 약간 혼란 스럽습니다. 내가 이해하는 한, "FACTOR Y * FACTOR Y"표현식은 변수를 2 차 공간으로 변환하는 수단으로, 이는 새 열에서 FACTOR Y의 제곱을 계산하고 모델에서 사용하는 것과 같습니다. 서로 다른 두 요소 간의 상호 작용 공식화를 고려할 때 혼란의 원인을 알 수 있습니다.
다른 회원은이 질문에 대해 더 기술적 인 피드백을 가질 수 있습니다.
베스트,
TSRe : 구성 모델 효과의 이해-요인 * 요인 대 요인 상호 작용안녕 조,
이 변수가 모델의 2 차 항을 나타낸다고 가정하는 것이 맞습니다.
모델을 구축 할 때 특정 요인이 데이터의 반응에 어떤 영향을 미치는지 설명하려고합니다. 여기서 주 효과 모델이 도움이 될 수 있지만 응답 데이터에서 볼 수있는 변동을 추가로 설명하기 위해 추가 2 차 또는 상호 작용 효과를 포함하는 것이 종종 유익합니다.
예측 프로파일 러는 물리적 관점에서 모델을 이해하기위한 훌륭한 대화 형 도구입니다. 이를 보여주는 좋은 예는 JMP의 도움말-> 샘플 데이터-> 산업 실험-> 태블릿 생산 .jmp 예제에서 찾을 수 있습니다. 상호 작용 프로필 스크립트를 사용하여 모델 적합 및 모형 적합을 실행하고 두 모델 간의 차이를 관찰하십시오.
주 효과 모델 :
주 효과 + 상호 작용 +2 차 모델
2에서 nd 프로파일 러, 모델에 2 차 효과를 도입 한 효과를 보여주는 Mill Time 변수를 관찰합니다. Mill Time 값을 5에서 30으로 조정하면이 항이 모델에 미치는 물리적 영향, 즉 두 극단 사이의 Disso 응답의 최고점을 관찰 할 수 있습니다.
이것은 선형 추세를 보는 Main Effects 모델과 대조적이며, Mill Time을 늘리면 Disso에서 성능이 향상 될 것으로 예상됩니다.
JMP의 통계 지식 포털은 시각 자료를 포함하여 수학이 어떻게 작동하는지에 대한 훌륭한 설명을 제공합니다. 다중 선형 회귀 . 산업 문제 해결을위한 통계적 사고를 살펴볼 수도 있습니다. 상관 및 회귀 모듈 자세히 알아보십시오.
