구성 모델 효과의 이해 - 요인*요인 대 요인 상호 작용안녕,
'모델 적합성' 분석 '모델 사양'을 수행할 때 '구성 모델 효과' 섹션을 이해하려고 합니다.
이 '모델 효과 구성' 섹션에는 압축력과 같은 요소가 자체적으로 존재하고 자체와의 상호 작용 요소, 즉 '압축력' 및 '압축력*압축력'으로 존재하는 2차 항을 평가하는 기능이 있습니다.
아래 게시물에 '모델 효과 구성' 섹션의 이미지가 포함되어 있습니다.
나는 중요성의 물리적 관점에서 차이점이 무엇인지 이해하지 못합니다. 요인 자체와의 상호작용에 있는 요인일 뿐인 요인 상호작용을 평가할 수 있는 능력이 있는 이유는 무엇입니까? 압축력을 변경하거나 자체적으로 변경할 수는 없습니다. 압축력의 변화는 자체적으로 영향을 미치고 압축력과 압축 속도의 상호 작용도 영향을 미치기 때문에 압축력과 압축 속도의 상호 작용을 이해할 수 있습니다.
순전히 이차항을 포함하는 수단인가요? 그렇다면 이것의 목적/사용은 무엇입니까?
시간을 내어 제 게시물을 읽어주셔서 정말 감사드리며, 이 주제에 대해 동료 JMP 사용자들과 소통할 수 있기를 기대합니다.
감사합니다.
조
고급 통계 모델링데이터 접근데이터 탐색 및 시각화Re: 구성 모델 효과의 이해 - 요인*요인 대 요인 상호 작용다시 말하면, JMP는 모형에서 2차 방정식을 요인 곱하기 자체(기본적으로 요인의 제곱)로 표현한다는 것입니다. 데이터 세트에서 문제의 요인에 대해 2개 이상의 수준이 있는 경우 다항식 항(비선형)을 추정할 수 있습니다.
Re: 구성 모델 효과 이해 - 요인*요인 대 요인 상호 작용안녕하세요 조,
이 변수가 모델의 2차 항을 나타낸다고 가정하는 것이 맞습니다.
모델을 구축할 때 특정 요인이 데이터의 반응에 어떻게 영향을 미치는지 설명하려고 합니다. 여기서는 주효과 모델이 도움이 될 수 있지만 응답 데이터에서 볼 수 있는 변동을 더 자세히 설명하기 위해 추가적인 2차 효과 또는 상호 작용 효과를 포함하는 것이 종종 도움이 됩니다.
예측 프로파일러는 물리적 관점에서 모델을 이해하기 위한 탁월한 대화형 도구입니다. 이를 보여주는 훌륭한 예는 JMP의 Help->Sample Data->Industrial Experiments->Tablet Production.jmp 예에서 찾을 수 있습니다. Fit Model 및 Fit Model with Interaction Profiles 스크립트를 실행하고 두 모델 간의 차이점을 관찰합니다.
주효과 모델:
주효과+상호작용+2차 모형
2에서는 nd 프로파일러에서 모델에 2차 효과를 도입한 효과를 보여주는 Mill Time 변수를 관찰하세요. Mill Time 값을 5에서 30으로 조정하면 이 항이 모델에 미치는 물리적 영향, 즉 두 극단 사이의 Disso 응답 최고치를 관찰할 수 있습니다.
이는 선형 추세를 보이는 주효과 모델과 대조되며, Mill Time을 늘리면 Disso의 성능이 향상될 것으로 예상됩니다.
JMP의 통계 지식 포털은 수학이 어떻게 작동하는지 시각적인 설명을 포함해 훌륭하게 설명합니다. 다중 선형 회귀 . 산업 문제 해결을 위한 통계적 사고를 살펴볼 수도 있습니다. 상관관계 및 회귀 모듈 자세히 알아보기
Re: 구성 모델 효과 이해 - 요인*요인 대 요인 상호 작용안녕하세요 조,
사실 좀 혼란스럽습니다. 내가 이해하는 한, "FACTOR Y * FACTOR Y" 표현식은 변수를 새 열에서 FACTOR Y의 제곱을 계산하여 모델에서 사용하는 것과 동일한 2차 공간으로 변환하는 수단입니다. 두 가지 다른 요소 간의 상호 작용 공식을 고려하면 혼란이 어디서 비롯되는지 알 수 있습니다.
다른 회원들이 이 질문에 대해 좀 더 기술적인 피드백을 갖고 있을 수도 있습니다.
최상의,
TS
