Comprensione degli effetti del modello di costrutto: interazioni fattore*fattore vs fattoreCIAO,
Sto cercando di comprendere la sezione "effetti del modello di costruzione" quando conduco una "specifica del modello" di analisi del "modello di adattamento".
In questa sezione "Effetti del modello di costruzione", c'è la possibilità di valutare termini quadratici in cui un fattore, ad esempio la forza di compressione, esiste sia di per sé che come fattore di interazione con se stesso, ovvero "forza di compressione" e "forza di compressione*forza di compressione".
Ho incluso un'immagine di questa sezione "effetti del modello di costruzione" in questo post qui sotto:
Non capisco quale sia la differenza dal punto di vista fisico e di significatività. Perché abbiamo la capacità di valutare un'interazione tra fattori laddove è solo il fattore in un'interazione con se stesso? Non è possibile modificare la forza di compressione e variarla con se stessa. Posso comprendere l'interazione tra forza di compressione e velocità di compressione poiché un cambiamento nella forza di compressione avrà un impatto su se stessa e sull'interazione tra forza di compressione e velocità di compressione.
È puramente come mezzo per includere un termine quadratico. Se sì, qual è lo scopo/uso di questo?
Mille grazie per aver dedicato del tempo a leggere il mio post e non vedo l'ora di interagire con altri utenti JMP su questo argomento.
Cordiali saluti,
Joe
Modellazione statistica avanzataAccesso ai datiEsplorazione e visualizzazione dei datiOggetto: Comprensione degli effetti del modello di costrutto: interazioni fattore*fattore vs fattorePer ribadire, in modo abbastanza semplice JMP rappresenta il quadratico come fattore moltiplicato per se stesso (essenzialmente il quadrato del fattore) nel modello. A condizione che nel set di dati siano presenti più di 2 livelli per il fattore in questione, è possibile stimare i termini polinomiali (non lineari).
Oggetto: Comprensione degli effetti del modello di costrutto: interazioni fattore*fattore vs fattoreCiao Joe,
Hai ragione nel presupporre che questa variabile rappresenti un termine quadratico nel tuo modello.
Quando costruiamo un modello cerchiamo di spiegare in che modo determinati fattori influiscono su una risposta nei nostri dati. Un modello degli effetti principali può aiutare in questo caso, ma spesso è utile includere ulteriori effetti quadratici o di interazione per spiegare ulteriormente la variazione che vediamo nei nostri dati di risposta.
Il profiler di previsione è un eccellente strumento interattivo per dare un senso a un modello da un punto di vista fisico. Un ottimo esempio che lo dimostra è reperibile nell'esempio Guida->Dati campione->Esperimenti industriali->Tablet Production.jmp di JMP. Eseguire gli script Adatta modello e Adatta modello con profili di interazione e osservare la differenza tra i due modelli.
Modello degli effetti principali:
Effetti principali+Interazioni+Modello quadratico
Nel 2 nd Profiler, osserva la variabile Mill Time che mostra l'effetto dell'introduzione di un effetto quadratico sul nostro modello. Regolando il valore Mill Time da 5 a 30 osserverai l'impatto fisico di questo termine sul nostro modello: un picco nella nostra risposta Disso tra i due estremi.
Ciò è in contrasto con il modello Effetti principali in cui vediamo una tendenza lineare, che ci porta ad aspettarci un miglioramento delle prestazioni in Disso all'aumentare del Mill Time.
Il portale delle conoscenze statistiche di JMP fornisce un'eccellente descrizione, comprese le immagini, di come funziona la matematica Regressione lineare multipla . Potresti anche dare un'occhiata al pensiero statistico per la risoluzione dei problemi industriali Modulo di correlazione e regressione per saperne di più.
Oggetto: Comprensione degli effetti del modello di costrutto: interazioni fattore*fattore vs fattoreCiao Joe,
È davvero un po' confuso. Per quanto ho capito, l'espressione "FACTOR Y * FACTOR Y" è un mezzo per trasformare la tua variabile in uno spazio quadratico che equivale a calcolare in una nuova colonna il quadrato di FACTOR Y e usarlo nel tuo modello. Considerando che la formulazione delle interazioni tra 2 fattori diversi, posso vedere da dove nasce la confusione.
Altri membri potrebbero avere un feedback più tecnico su questa domanda.
Migliore,
TS
