363779_fr-FR

liliconcom

Compréhension des effets du modèle de construction - Interactions facteur*facteur vs facteur

Salut,

 

J'essaie de comprendre la section « Construire les effets du modèle » lors de la réalisation d'une « spécification du modèle » d'analyse « d'ajustement du modèle ».

 

Dans cette section « Effets du modèle de construction », il est possible d'évaluer les 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 « Construire les effets du modèle » dans cet article ci-dessous :

 

 

Je ne comprends pas quelle est la différence d'un point de vue physique. Pourquoi avons-nous la capacité d’évaluer une interaction factorielle alors qu’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 dans la force de compression aura un impact sur lui-même et sur l'interaction entre la force de compression et la vitesse de compression.

 

Est-ce uniquement pour inclure un terme quadratique. Si oui, quel est le but/l'utilisation de ceci ?

 

Merci beaucoup d'avoir pris le temps de lire mon article et j'ai hâte de dialoguer avec d'autres utilisateurs de JMP sur ce sujet.

 

Cordialement,

 

Joe

Modélisation statistique avancéeAccès aux donnéesExploration et visualisation des donnéesRe : Compréhension des effets du modèle de construction - Interactions facteur*facteur vs facteur

Pour réitérer, JMP représente simplement le quadratique sous forme de facteur multiplié par lui-même (essentiellement le carré du facteur) dans le modèle. À condition que vous disposiez de plus de 2 niveaux pour le facteur en question dans votre ensemble de données, les termes polynomiaux (non linéaires) peuvent être estimés.

Re : Compréhension des effets du modèle de construction - Interactions facteur*facteur vs facteur

Salut 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 influencent une réponse dans nos données. Un modèle d'effets principaux peut être utile ici, mais il est souvent avantageux d'inclure des effets quadratiques ou d'interaction supplémentaires pour expliquer davantage la variation que nous observons 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 démontrant cela peut être trouvé dans l'exemple Aide->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 ^sd Profiler, observez la variable Mill Time montrant l'effet de l'introduction d'un effet quadratique sur notre modèle. En ajustant la valeur Mill Time de 5 à 30, vous observerez l'impact physique de ce terme sur notre modèle : un pic dans notre réponse Disso entre les deux extrêmes.

Cela contraste avec le modèle Main Effects où nous observons une tendance linéaire, ce qui nous amène à nous attendre à une amélioration des performances dans Disso à mesure que nous augmentons le temps de broyage.

 

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 consulter la réflexion statistique pour la résolution de problèmes industriels. Module de corrélation et de régression pour apprendre plus.

Re : Compréhension des effets du modèle de construction - Interactions facteur*facteur vs facteurSalut Joe,
C'est effectivement un peu déroutant. D'après ce que je comprends, l'expression "FACTEUR Y * FACTEUR Y" est un moyen de transformer votre variable en un espace quadratique ce qui équivaut à calculer dans une nouvelle colonne le carré du FACTEUR Y et à l'utiliser dans votre modèle. Considérant la formulation d'interactions entre 2 facteurs différents, je vois d'où vient la confusion.
D'autres membres peuvent avoir un retour plus technique sur cette question.
Meilleur,
TS