Los términos en las estimaciones de parámetros para interacciones bidireccionales de factores codificados se dan como, por ejemplo, (EtOH + 0,1)*(n-PrOH-0,1)Estoy tratando de trabajar con un ejemplo de Goos y Jones (Capítulo 3), donde configuraron una pantalla DoE y un modelo de interacciones bidireccionales seleccionadas. Todos los factores excepto "Bloque" son continuos y los factores se codifican como -1 y +1 para los dos niveles probados. Al ajustar el modelo, me confunde que el menú desplegable Estimaciones de parámetros da cada término de interacción no como, por ejemplo, EtOH*n-PrOH, sino como (EtOH + 0.1)*(n-PrOH-0.1) o (EtOH + 0.1)* Tiempo (ver IMG1.jpg). No estoy seguro de cómo interpretar esto. ¿Alguien puede explicar cuándo y por qué JMP agrega/resta una constante de cada factor? Parece que no siempre hace esto: tengo otro modelo en el que hace lo que espero y da el término, por ejemplo, n-PrOH*EtOH (IMG2.jpg). ¡Gracias!
Modelado Estadístico AvanzadoExploración y visualización de datosDiseño de experimentosIngeniería de Calidad y ProcesosAnálisis de fiabilidadRe: Los términos en las estimaciones de parámetros para interacciones bidireccionales de factores codificados se dan como, por ejemplo, (EtOH + 0,1)*(n-PrOH-0,1)Ah, ahora veo lo que está pasando. No sabía que creaste tus propias columnas codificadas, porque no necesitas hacer eso. Pero ya que lo hiciste, esto es lo que está sucediendo.
De forma predeterminada, siempre que utilice Ajustar modelo, JMP centrará automáticamente los términos de orden superior de un polinomio. Entonces, antes de multiplicar dos términos para hacer una interacción, centrará esos factores por su media. La media de su columna de EtOH es -0,1. La media de la columna de n-PrOH es 0,1. Como los está cruzando, JMP los centra primero restando esos valores. La razón principal para hacer esto es reducir la multicolinealidad entre los términos del modelo causada por las diferencias de escala. Esto es algo bueno y la razón por la que la propiedad de codificación generalmente se activa automáticamente para los experimentos diseñados. Esto solo ocurrirá en la tabla de estimaciones de parámetros porque esa es la única tabla que se ve afectada por esta codificación.
Para eliminar la opción de centrado (que NO recomiendo, pero solo con fines de aprendizaje), cuando elija Ajustar modelo, especifique el modelo y luego vaya al triángulo rojo en la parte superior y desmarque "Centrar polinomios". Esto desactivará la función y obtendrá un informe que se parece a lo esperado.
Debo señalar que para esta situación no hay diferencia porque ya estás analizando factores que están en una escala de -1 a +1. Que las medias sean ligeramente diferentes de 0 no afecta nada, especialmente porque están en direcciones opuestas (una negativa, la otra positiva). Para ver el impacto típico, use los datos en las unidades originales (sin una propiedad de codificación) y desactive los polinomios centrales. Esa será una diferencia mucho mayor.
Ahora, para divertirse más, con el centrado desactivado en las variables escaladas originalmente, haga clic con el botón derecho en la tabla de estimaciones de parámetros y elija Columnas > VIF. Esto agregará los factores de inflación de la varianza a la tabla. Le gustaría ver valores cercanos a 1. Cualquier valor mayor indica cuánto ha aumentado la varianza en las estimaciones de los parámetros debido a la multicolinealidad. Ahora usa tu tabla codificada y haz el mismo análisis en las unidades originales. Ahora agregue los VIF a esa tabla de estimaciones de parámetros. Debería ver valores que están todos más cerca de 1. Esto es lo que le proporciona la codificación (o incluso el centrado polinomial): variaciones más pequeñas en las estimaciones de sus parámetros.
Re: Los términos en las estimaciones de parámetros para interacciones bidireccionales de factores codificados se dan como, por ejemplo, (EtOH + 0,1)*(n-PrOH-0,1)Hola Dan,
¡Gracias por su respuesta! Estoy usando JMP 15.0.0.
Escribiste "El diseño en el capítulo 3 no es originalmente en términos de -1 y +1". Eso es cierto, pero parece que cuando se reportan las estimaciones factor-efecto, es decir, en las Tablas 3.6 y 3.7, las estimaciones se reportan para valores factoriales codificados +1/-1. Así que agregué columnas de +1 y -1 en un intento de replicar el análisis.
Se adjunta el archivo de la tabla JMP - "Ch03 - Adición de ejecuciones a Expt. de detección". Si se ejecuta el script "Modelo - Tabla 3.7", puede ver que en Estimaciones de parámetros, el término de interacción EtOH*n-PrOH se proporciona como "(n-PrOH-0.1)*(EtOH+0.1)" con un valor estimado de -1.872.
Usted mencionó la codificación: no me había dado cuenta de que esta era una opción de columna. Resulta que cuando le informo a JMP que esas son columnas codificadas (como en el archivo "Ch03 - Adición de ejecuciones a Expt. de detección - Codificado"), informa el término de interacción como esperaba, como "EtOH*n-PrOH", y también con valor estimado de -1.872. Entonces, el valor del parámetro es el mismo independientemente.
Pero aún me gustaría saber qué JMP ve de manera diferente que el +/- 0.1 está allí cuando las columnas no están codificadas, y qué significa. En ninguno de los casos, la tabla Resumen de efectos muestra el +/- 0.1, solo está en las Estimaciones de parámetros.
¡Gracias de nuevo!
jason
Re: Los términos en las estimaciones de parámetros para interacciones bidireccionales de factores codificados se dan como, por ejemplo, (EtOH + 0,1)*(n-PrOH-0,1)Parece como si el punto medio del rango se restara de esos términos del modelo en particular. No veo este problema cuando ejecuté el mismo ejemplo. Es probable que se necesite más información para saber exactamente por qué sucede esto.
¿Qué versión de JMP estás usando? El diseño del capítulo 3 no está originalmente en términos de -1 y +1. ¿Escribiste todos los resultados? ¿Has comprobado que no hubo errores tipográficos? ¿Tienes activada la propiedad de codificación? ¿Están marcados los "polinomios centrales" en el cuadro de diálogo Ajustar modelo? Tal vez podría compartir su tabla de datos JMP para que podamos ver EXACTAMENTE lo que ve.
