Compréhension des effets du modèle de construction - Interactions facteur * facteur vs facteurSalut,
J'essaie de comprendre la section «Construire les effets du modèle» lorsque j'effectue une «Spécification de modèle» d'analyse de «modèle d'ajustement».
Dans cette section «effets de modèle de construction», il est possible d'évaluer des termes quadratiques où un facteur, par exemple la force de compression, existe à la fois seul et en tant qu'interaction de facteur avec lui-même, c'est-à-dire «force de compression» et «force de compression * force de compression».
J'ai inclus une image de cette section `` effets de modèle de construction '' dans cet article ci-dessous:
Je ne comprends pas quelle est la différence du point de vue physique de la signification. Pourquoi avons-nous la capacité d'évaluer une interaction de facteur là où elle n'est que le facteur d'une interaction avec lui-même? Vous ne pouvez pas modifier la force de compression et la faire varier avec elle-même. Je peux comprendre l'interaction entre la force de compression et la vitesse de compression, car un changement de la force de compression aura un impact sur lui-même et l'interaction entre la force de compression et la vitesse de compression.
Est-ce uniquement un moyen d'inclure un terme quadratique. Si oui, quel en est le but / l’utilisation?
Merci beaucoup d'avoir pris le temps de lire mon message et j'ai hâte de discuter avec d'autres utilisateurs de JMP sur ce sujet.
Sincères amitiés,
Joe
AnalytiqueObjet: Compréhension des effets du modèle de construction - Interactions facteur * facteur vs facteurSalut Joe,
C'est un peu déroutant en effet. Pour autant que je sache, l'expression "FACTOR Y * FACTOR Y" est un moyen de transformer votre variable en un espace quadratique qui équivaut à calculer dans une nouvelle colonne le carré du FACTOR Y et à l'utiliser dans votre modèle. Considérant que la formulation des interactions entre 2 facteurs différents, je peux voir d'où vient la confusion.
D'autres membres peuvent avoir un retour plus technique sur cette question.
Meilleur,
TSObjet: Compréhension des effets du modèle de construction - Interactions facteur * facteur vs facteurSalut Joe,
Vous avez raison de supposer que cette variable représente un terme quadratique dans votre modèle.
Lorsque nous construisons un modèle, nous essayons d'expliquer comment certains facteurs influent sur une réponse dans nos données. Un modèle des effets principaux peut aider ici, mais il est souvent avantageux d'inclure des effets quadratiques ou d'interaction supplémentaires pour expliquer davantage la variation que nous voyons dans nos données de réponse.
Le profileur de prédiction est un excellent outil interactif pour donner un sens à un modèle d'un point de vue physique. Un excellent exemple pour illustrer cela peut être trouvé dans l'exemple Help-> Sample Data-> Industrial Experiments-> Tablet Production.jmp de JMP. Exécutez les scripts Ajuster le modèle et Ajuster le modèle avec les profils d'interaction et observez la différence entre les deux modèles.
Modèle d'effets principaux:
Effets principaux + interactions + modèle quadratique
Dans le 2 nd Profiler, observez la variable Mill Time montrant l'effet de l'introduction d'un effet quadratique sur notre modèle. En ajustant la valeur du Mill Time de 5 à 30, vous observerez l'impact physique de ce terme sur notre modèle: un pic de notre réponse Disso entre les deux extrêmes.
Cela contraste avec le modèle Main Effects où nous voyons une tendance linéaire, ce qui nous amène à s'attendre à une amélioration des performances dans Disso à mesure que nous augmentons le Mill Time.
Le portail de connaissances statistiques de JMP fournit une excellente description, y compris des éléments visuels, de la façon dont les mathématiques fonctionnent avec La régression linéaire multiple . Vous pouvez également jeter un œil à la réflexion statistique pour la résolution de problèmes industriels Module de corrélation et de régression pour apprendre plus.
