Verständnis der Konstruktmodelleffekte – Faktor*Faktor vs. Faktor-WechselwirkungenHallo,
Ich versuche, den Abschnitt „Modelleffekte konstruieren“ zu verstehen, wenn ich eine „Anpassungsmodell“-Analyse „Modellspezifikation“ durchführe.
In diesem Abschnitt „Modelleffekte konstruieren“ besteht die Möglichkeit, quadratische Terme zu bewerten, bei denen ein Faktor, beispielsweise die Kompressionskraft, sowohl für sich allein als auch als Faktor in Wechselwirkung mit sich selbst existiert, z. B. „Kompressionskraft“ und „Kompressionskraft*Kompressionskraft“.
Ich habe ein Bild dieses Abschnitts „Modelleffekte konstruieren“ in diesen Beitrag unten eingefügt:
Ich verstehe nicht, was der Unterschied aus physikalischer Sicht ist. Warum haben wir die Möglichkeit, eine Faktorinteraktion zu bewerten, wenn sie lediglich der Faktor in einer Interaktion mit sich selbst ist? Sie können die Kompressionskraft nicht ändern und mit sich selbst variieren. Ich kann die Wechselwirkung zwischen Kompressionskraft und Kompressionsgeschwindigkeit verstehen, da sich eine Änderung der Kompressionskraft auf sich selbst und die Interaktion zwischen Kompressionskraft und Kompressionsgeschwindigkeit auswirkt.
Ist es lediglich ein Mittel zur Einbeziehung eines quadratischen Begriffs? Wenn ja, was ist der Zweck/die Verwendung davon?
Vielen Dank, dass Sie sich die Zeit genommen haben, meinen Beitrag zu lesen, und ich freue mich darauf, mich mit anderen JMP-Benutzern über dieses Thema auszutauschen.
Mit freundlichen Grüße,
Joe
Erweiterte statistische ModellierungDatenzugriffDatenexploration und -visualisierungBetreff: Verständnis der Konstruktmodelleffekte – Faktor*Faktor vs. Faktor-WechselwirkungenUm es noch einmal zu wiederholen: JMP stellt das Quadrat einfach als Faktor multipliziert mit sich selbst (im Wesentlichen dem Quadrat des Faktors) im Modell dar. Vorausgesetzt, Ihr Datensatz enthält mehr als zwei Ebenen für den betreffenden Faktor, können Polynomterme (nichtlinear) geschätzt werden.
Betreff: Verständnis der Konstruktmodelleffekte – Faktor*Faktor vs. Faktor-WechselwirkungenHallo Joe,
Sie gehen zu Recht davon aus, dass diese Variable in Ihrem Modell einen quadratischen Term darstellt.
Wenn wir ein Modell erstellen, versuchen wir zu erklären, wie sich bestimmte Faktoren auf eine Reaktion in unseren Daten auswirken. Ein Haupteffektmodell kann hier hilfreich sein, aber oft ist es von Vorteil, zusätzliche quadratische oder Interaktionseffekte einzubeziehen, um die Variationen, die wir in unseren Antwortdaten sehen, weiter zu erklären.
Der Vorhersageprofiler ist ein hervorragendes interaktives Werkzeug, um ein Modell aus physikalischer Sicht zu verstehen. Ein gutes Beispiel, das dies demonstriert, finden Sie im JMP-Beispiel „Help->Sample Data->Industrial Experiments->Tablet Production.jmp“. Führen Sie die Skripts „Modell anpassen“ und „Modell mit Interaktionsprofilen anpassen“ aus und beobachten Sie den Unterschied zwischen den beiden Modellen.
Haupteffektmodell:
Haupteffekte+Wechselwirkungen+Quadratisches Modell
Im 2 nd Profiler, beobachten Sie die Mill Time-Variable, die den Effekt der Einführung eines quadratischen Effekts auf unser Modell zeigt. Wenn Sie den Mill Time-Wert von 5 auf 30 anpassen, werden Sie die physikalischen Auswirkungen dieses Begriffs auf unser Modell beobachten: einen Höhepunkt unserer Disso-Reaktion zwischen den beiden Extremen.
Dies steht im Gegensatz zum Main-Effects-Modell, bei dem wir einen linearen Trend sehen, was uns dazu veranlasst, eine Leistungssteigerung bei Disso zu erwarten, wenn wir die Mahlzeit erhöhen.
Das Statistik-Wissensportal von JMP bietet eine hervorragende Beschreibung, einschließlich visueller Darstellungen, wie die Mathematik funktioniert Multiple lineare Regression . Werfen Sie auch einen Blick auf „Statistical Thinking for Industrial Problem Solving“. Korrelations- und Regressionsmodul um mehr zu lernen.
Betreff: Verständnis der Konstruktmodelleffekte – Faktor*Faktor vs. Faktor-WechselwirkungenHallo Joe,
Es ist in der Tat etwas verwirrend. Soweit ich weiß, ist der Ausdruck „FAKTOR Y * FAKTOR Y“ ein Mittel, um Ihre Variable in einen quadratischen Raum umzuwandeln, was gleichbedeutend ist mit der Berechnung des Quadrats von FAKTOR Y in einer neuen Spalte und der Verwendung in Ihrem Modell. Wenn man bedenkt, dass es sich bei der Formulierung um Wechselwirkungen zwischen zwei verschiedenen Faktoren handelt, kann ich erkennen, woher die Verwirrung kommt.
Andere Mitglieder haben möglicherweise ein eher technisches Feedback zu dieser Frage.
Am besten,
TS
