予測されたプロットから実際の値を読み取る方法こんにちは
私は自分の研究でDOEの最終的なスクリーニングデザインテストを行いました。
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。
これについての簡単な説明と、「実際の予測プロット」を読む方法はどこで見つけることができるかアドバイスをお願いします。
ありがとう
実験計画法Re: 予測プロットから実際の値を読み取る方法歓迎と支援に感謝します、本当に感謝していますRe: 予測プロットから実際の値を読み取る方法
@Mark_Bailey書きました：
実際の予測プロットは散布図です。 横軸には予測応答 (Y ハット) が使用されます。 観測された応答 (Y) が縦軸に使用されます。
最小二乗法によるこの例も「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) には青い水平線が追加され、対立仮説 (応答は因子に依存する) には赤い斜め線が追加されます。 これは、帰無仮説の切片のみを含むモデルを、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と比較する「モデル全体」検定です。 赤い 95% 信頼領域が赤い斜めの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、モデル全体のテストは、アルファ = 0.05 レベルでは有意ではありません。 青い線が赤い領域内に含まれていない場合、モデル全体の検定は同じレベルで有意です。 この視覚的評価は、有意水準 0.05 を適用するのと同等です。 F -分散分析表に示されたテスト。
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。 不偏予測では、平均して観測値と一致する予測値が生成されるはずです。 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、因子の変更に対する応答が非線形であるにもかかわらず、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。 この例では、実際の予測プロットで曲率が示されます。 あなたの例はそのような曲率を示しているため、モデルにはバイアスがかかっています。
低温および高温での応答を何度も観察しました。 中心温度での観測値はいくつありますか?
温度二乗項をモデルに追加してみるとよいでしょう。 JMP は乗算によってべき乗を表します。 したがって、温度の二乗は温度*温度として追加されます。
あなたが使用した最終的なスクリーニング計画には、合計でいくつの要素が含まれていましたか?
まず初めに、ご返信と詳細な説明に感謝いたします。 DSD に適合した結果レポートを追加しています。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。 DSD を使用するのは初めてですが、分析部分についてご支援とご支援をいただければ幸いです。
どうもありがとう
Re: 予測プロットから実際の値を読み取る方法まず、コミュニティへようこそ。 DSD を実行したというだけの実験 (因子/水準) を提供していません。 これは分析に役立つ情報としては十分ではありません。 データがどのように取得されたのか、どのモデルが意味をなすのか、そしてどのモデルを分析しようとしたのかを知る必要があります。 Mark が示すように、実際の予測プロット (およびてこ比プロット) 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。 これらと他の残差プロットは、モデルの仮定が満たされているかどうか、そしてより重要なことに、モデルが役立つかどうかを判断するのに役立ちます。 どうやら、temp の対数は次のようになります。線形モデルの「予想される領域の外側」にあります。 また、異なる温度レベルでは分散が一定ではないようです。 これらはどちらも、モデルが特に「優れている」わけではないことを示しています。
Pete が示唆しているように、これらは実験からのデータセットを分析するためのさまざまな方法です。 まずデータを見て、実用的な価値があるほどデータが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、応答変数内の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に特に注意してください。 ステップは常に、実践的>グラフィカル>定量的である必要があります。
モデルを構築しようとする場合、複数の戦略もあります (RSquare-RSquare Adj デルタ、RMSE、p 値など)。たとえば、減法モデルの構築は飽和モデルから開始し、次に重要ではないと思われる項を削除します。 1 つの因子から開始してモデルに項を追加する加法とは対照的です (段階的回帰など)。 モデル統計は条件付きであることに注意してください。 モデル内の項の統計は、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化すると、統計も変化します。
Re: 予測プロットから実際の値を読み取る方法@yanivD : 計画された実験のデータや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、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次の場所にあります。
産業問題解決のための統計的思考
Re: 予測プロットから実際の値を読み取る方法実際の予測プロットは散布図です。 横軸には予測応答 (Y ハット) が使用されます。 観測された応答 (Y) が縦軸に使用されます。
最小二乗法によるこの例も「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) には青い水平線が追加され、対立仮説 (応答は因子に依存する) には赤い斜め線が追加されます。 これは、帰無仮説の切片のみを含むモデルを、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と比較する「モデル全体」検定です。 赤い 95% 信頼領域が赤い斜めの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、モデル全体のテストは、アルファ = 0.05 レベルでは有意ではありません。 青い線が赤い領域内に含まれていない場合、モデル全体の検定は同じレベルで有意です。 この視覚的評価は、有意水準 0.05 を適用するのと同等です。 F -分散分析表に示されたテスト。
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。 不偏予測では、平均して観測値と一致する予測値が生成されるはずです。 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、因子の変更に対する応答が非線形であるにもかかわらず、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。 この例では、実際の予測プロットで曲率が示されます。 あなたの例はそのような曲率を示しているため、モデルにはバイアスがかかっています。
低温および高温での応答を何度も観察しました。 中心温度での観測値はいくつありますか?
温度二乗項をモデルに追加してみるとよいでしょう。 JMP は乗算によってべき乗を表します。 したがって、温度の二乗は温度*温度として追加されます。
あなたが使用した最終的なスクリーニング計画には、合計でいくつの要素が含まれていましたか?
