予測プロットによる実際の読み方こんにちは
私は自分の研究で DOE の決定的なスクリーニング デザイン テストを行っています。
データの分析方法を理解するために、あなたの助けを求めてください。
これに関する簡単な説明と「実際の予測プロット」の読み方をどこで見つけることができますか?
ありがとう
DOERe: 予測プロットによる実際の読み方実際の予測プロットは散布図です。 横軸は予測応答 (Y ハット) を使用しています。 観測された応答 (Y) が縦軸に使用されます。
Fit Least Squares のこの例も「レバレッジ プロット」です。 帰無仮説 (応答が因子に依存しない) に青い水平線が追加され、対立仮説 (応答が因子に依存する) に赤い斜めの線が追加されます。 これは、帰無仮説の切片のみを含むモデルと対立仮説の切片にすべての因子を追加した完全モデルとを比較する「モデル全体」の検定です。 赤い 95% 信頼区間は、赤い斜線の上にプロットされます。 青い水平線が赤い領域に含まれている場合、モデル テスト全体はアルファ = 0.05 レベルでは有意ではありません。 青い線が赤い領域に含まれていない場合、モデル テスト全体が同じレベルで有意です。 この視覚的評価は、0.05 の有意水準をF -検定は分散分析表に示されています。
このプロットは、「適合性の欠如」の可能性を視覚的に評価するためにも使用できます。 偏りのない予測は、平均して観測値と一致する予測値を生成する必要があります。 赤い線は、データ ポイントの中央を通過する必要があります。 モデルにバイアスがかかっている場合、データ ポイントはラインから外れます。 たとえば、因子の変更に対する応答が非線形であるが、モデルに線形効果の項のみが含まれている場合、モデルにバイアスがかかります。 この例は、実際の予測プロットで曲率を示します。 あなたの例はそのような曲率を示しているため、モデルにバイアスがかかっています。
低温時と高温時で何度も反応を観察しましたね。 中心温度での観測回数は?
モデルに温度の 2 乗項を追加してみてください。 JMP は乗数で累乗を表します。 したがって、温度の 2 乗が温度 * 温度として追加されます。
使用した最終的なスクリーニング計画には、合計でいくつの要因が含まれていましたか?
Re: 予測プロットによる実際の読み方@YanivD : 計画された実験からのデータと結果を分析するために使用できるさまざまな方法があります。 SAS の「産業問題解決のための統計的思考」コースに登録して、DOE とモデリング指向のモジュールに集中することをお勧めします。 コースへのエントリーポータルはここにあります:
産業問題解決のための統計的思考
Re：予測プロットによる実際の読み方まず、コミュニティへようこそ。 DSDを実行したということだけで、実験（ファクター/レベル）を提供しませんでした。 これは、分析に役立つ十分な情報ではありません。 データがどのように取得されたか、どのモデルが意味をなすか、そしてどのモデルを分析しようとしたかを知る必要があります。 マークが示すように、予測による実際の（およびレバレッジプロット）は、モデルの理解に役立つ優れたグラフィカル分析ツールです。 これらは、他の残余プロットとともに、モデルの仮定が満たされているかどうかを判断するのに役立ち、さらに重要なことに、モデルが有用になります。 臨時雇用者の対位法のようです。は線形モデルの「期待される領域の外側」です。 また、さまざまな温度レベルで分散が一定ではないようです。 これらは両方とも、モデルが特に「良好」ではないことを示しています。
ピートが示唆するように、それらは実験からのデータセットを分析する多くの方法です。 まず、データを見て、データが実用的な価値があるほど十分に変化しているかどうかを判断することをお勧めします。 異常または異常なデータポイントを特定します（これを行うには複数の手法があります）。 次に、応答変数でパターンを探します。 応答変数のパターンが因子または交互作用のパターンと一致する場合は特に注意してください。 手順は常に[実用的]> [グラフィカル]> [定量的]にする必要があります。
モデルを構築しようとすると、複数の戦略もあります（たとえば、RSquare-RSquare Adj delta、RMSE、p値）。たとえば、サブトラクティブモデルの構築は、飽和モデルから始まり、重要ではないと思われる項を削除します。 1つの因子で始まり、モデルに項を追加する加法とは対照的です（ステップワイズ回帰など）。 モデル統計が条件付きであることを認識してください。 モデル内の任意の項の統計は、モデル内の他の項と、実験が実行された条件（推論空間）によって異なります。 これらの条件のいずれかが変更された場合、統計も変更されます。
Re：予測プロットによる実際の読み方
@markbailey書きました：
予測による実際のプロットは散布図です。 横軸は予測応答（Yハット）を使用しています。 観測された応答（Y）は縦座標に使用されます。
Fit Least Squaresのこの例は、「レバレッジプロット」でもあります。 帰無仮説（応答が因子に依存しない）の水平の青い線と対立仮説（応答が因子に依存する）の傾斜した赤い線を追加します。 これは、帰無仮説の切片のみを含むモデルと、対立仮説の切片にすべての因子が追加された完全なモデルを比較する「モデル全体」の検定です。 傾斜した赤い線の上に、95％の赤い信頼領域がプロットされています。 水平の青い線が赤い領域に含まれている場合、モデルテスト全体はアルファ= 0.05レベルでは有意ではありません。 青い線が赤い領域に含まれていない場合、モデルテスト全体が同じレベルで有意です。 この視覚的評価は、0.05の有意水準をNS -分散分析の表に示されているテスト。
プロットは、「適合性の欠如」の可能性を視覚的に評価するためにも使用できます。 偏りのない予測は、平均して観測値と一致する予測値を生成する必要があります。 赤い線はデータポイントの中央を通過する必要があります。 モデルに偏りがある場合、データポイントは線から外れます。 たとえば、因子の変化に対する応答が非線形であるが、モデルに線形効果の項のみが含まれている場合、モデルにはバイアスがかかります。 この例は、予測されたプロットによって実際に曲率を示します。 あなたの例はそのような曲率を示しているので、あなたのモデルは偏っています。
低温と高温で何度も応答を観察しました。 中心温度で何回観測されていますか？
モデルに温度の2乗項を追加しようとする場合があります。 JMPは、累乗を乗算で表します。 したがって、温度の2乗は温度*温度として追加されます。
使用した最終的なスクリーニングデザインには、合計でいくつの要素が含まれていましたか？
まずはお返事と詳しい説明ありがとうございます。 DSDレポートに適合する結果を追加しています-可能であれば、結果の分析方法についてアドバイスをいただけますか？初めてDSDを使用するので、分析部分についてのサポートと支援をいただければ幸いです。
どうもありがとう
