如何通过预测图读取实际值你好
我在研究中进行了美国能源部最终筛选设计测试。
现在请求您帮助了解如何分析数据。
请告知我在哪里可以找到对此的简短解释以及如何阅读“实际的预测情节”？
谢谢
实验设计回复：如何通过预测图读取实际值非常感谢您的欢迎和帮助，非常感谢回复：如何通过预测图读取实际值
@马克贝利写道：
实际的预测图是散点图。 预测响应（Y 帽）用作横坐标。 观察到的响应 (Y) 用于纵坐标。
拟合最小二乘法中的这个示例也是一个“杠杆图”。 它为原假设（响应独立于因素）添加一条水平蓝线，为备择假设（响应取决于因素）添加一条倾斜红线。 它是一个“整体模型”检验，将仅具有原假设截距的模型与将所有因素添加到备择假设截距的完整模型进行比较。 红色 95% 置信区域绘制在红斜线上方。 如果水平蓝线被红色区域包含，则整个模型检验在 alpha = 0.05 水平上不显着。 如果蓝线不包含在红色区域内，则整个模型检验在同一水平上显着。 这种视觉评估相当于对 0.05 的显着性水平应用F - 方差分析表中提供的测试。
该图还可用于直观地评估“缺乏拟合”的可能性。 无偏预测应产生与平均观测值一致的预测值。 红线应穿过数据点的中间。 如果模型有偏差，那么数据点就会偏离直线。 例如，如果对改变因素的响应是非线性的，但模型仅包含线性效应项，则模型将会有偏差。 该示例将通过预测图显示实际曲率。 您的示例表现出这样的曲率，因此您的模型存在偏差。
您多次观察低温和高温下的响应。 您对中心温度有多少个观测值？
您可以尝试向模型添加温度平方项。 JMP 代表乘法幂。 因此温度的平方加上温度*温度。
您使用的最终筛选设计中总共包含多少个因素？
首先感谢您的回复和详细的解释。 我正在添加适合 DSD 报告的结果 - 如果可能的话，您能否建议如何分析结果？这是我第一次使用 DSD，非常感谢您对分析部分的支持和帮助。
多谢
回复：如何通过预测图读取实际值首先，欢迎来到社区。 您没有提供实验（因素/水平），只是您运行了 DSD。 这些信息不足以帮助您进行分析。 我们需要知道数据是如何获取的、哪些模型有意义以及您尝试分析哪些模型。 正如马克指出的，实际与预测（和杠杆图）是很好的图形分析工具，有助于理解模型。 这些与其他残差图一起有助于确定模型假设是否得到满足，更重要的是该模型是否有用。 看起来确实是 temp 的对位。是线性模型的“预期区域之外”。 在不同的温度水平下，您的方差似乎也不是恒定的。 这些都表明你的模型不是特别“好”。
正如皮特所建议的，分析实验数据集的方法有很多种。 我首先建议查看数据并确定数据变化是否足以具有实用价值。 识别任何异常或不寻常的数据点（有多种技术可以做到这一点）。 然后寻找响应变量中的模式。 请特别注意响应变量中的模式何时与因素或交互作用中的模式相匹配。 步骤应该始终是实用>图形>定量。
尝试构建模型时，也有多种策略（例如，RSquare-RSquare Adj delta、RMSE、p 值）。例如，减法模型构建从饱和模型开始，然后删除看起来不显着的项。 与从一个因素开始然后向模型添加项（例如逐步回归）的加法相反。 认识到模型统计数据是有条件的。 模型中任何项的统计数据取决于模型中的其他项以及实验运行的条件（推理空间）。 如果这些条件发生变化，统计数据也会发生变化。
回复：如何通过预测图读取实际值@YanivD ：可以使用许多不同的方法来分析设计实验的数据和结果。 我建议您参加 SAS“工业问题解决的统计思维”课程，并将注意力集中在 DOE 和面向建模的模块上。 课程的入口可以在这里找到：
解决工业问题的统计思维
回复：如何通过预测图读取实际值实际的预测图是散点图。 预测响应（Y 帽）用作横坐标。 观察到的响应 (Y) 用于纵坐标。
拟合最小二乘法中的这个示例也是一个“杠杆图”。 它为原假设（响应独立于因素）添加一条水平蓝线，为备择假设（响应取决于因素）添加一条倾斜红线。 它是一个“整体模型”检验，将仅具有原假设截距的模型与将所有因素添加到备择假设截距的完整模型进行比较。 红色 95% 置信区域绘制在红斜线上方。 如果水平蓝线被红色区域包含，则整个模型检验在 alpha = 0.05 水平上不显着。 如果蓝线不包含在红色区域内，则整个模型检验在同一水平上显着。 这种视觉评估相当于对 0.05 的显着性水平应用F - 方差分析表中提供的测试。
该图还可用于直观地评估“缺乏拟合”的可能性。 无偏预测应产生与平均观测值一致的预测值。 红线应穿过数据点的中间。 如果模型有偏差，那么数据点就会偏离直线。 例如，如果对改变因素的响应是非线性的，但模型仅包含线性效应项，则模型将会有偏差。 该示例将通过预测图显示实际曲率。 您的示例表现出这样的曲率，因此您的模型存在偏差。
您多次观察低温和高温下的响应。 您对中心温度有多少个观测值？
您可以尝试向模型添加温度平方项。 JMP 代表乘法幂。 因此温度的平方加上温度*温度。
您使用的最终筛选设计中总共包含多少个因素？
