如何透過預測圖讀取實際值你好
我在研究中進行了美國能源部最終篩選設計測試。
現在請求您協助了解如何分析資料。
請告知我在哪裡可以找到對此的簡短解釋以及如何閱讀“實際預測情節”？
謝謝
實驗設計回覆：如何透過預測圖讀取實際值非常感謝您的歡迎與幫助，非常感謝回覆：如何透過預測圖讀取實際值
@馬克貝利寫道：
實際的預測圖是散佈圖。 預測響應（Y 帽）用作橫坐標。 觀察到的反應 (Y) 用於縱座標。
擬合最小平方法中的這個範例也是一個「槓桿圖」。 它為原假設（反應獨立於因素）添加一條水平藍線，為備擇假設（反應取決於因素）添加一條傾斜紅線。 它是一個「整體模型」檢驗，將僅具有原假設截距的模型與將所有因子加到備擇假設截距的完整模型進行比較。 紅色 95% 置信區域繪製在紅斜線上方。 如果水平藍線被紅色區域包含，則整個模型檢定在 alpha = 0.05 水準上不顯著。 如果藍線不包含在紅色區域內，則整個模型檢定在同一水平上顯著。 這種視覺評估相當於將顯著水準 0.05 應用於F - 變異數分析表中提供的檢定。
該圖也可用於直觀地評估「缺乏擬合」的可能性。 無偏預測應產生與平均觀測值一致的預測值。 紅線應穿過資料點的中間。 如果模型有偏差，那麼數據點就會偏離直線。 例如，如果對改變因素的反應是非線性的，但模型僅包含線性效應項，則模型將會有偏差。 此範例將透過預測圖顯示實際曲率。 您的範例表現出這樣的曲率，因此您的模型存在偏差。
您多次觀察低溫和高溫下的反應。 您對中心溫度有多少個觀測值？
您可以嘗試為模型新增溫度平方項。 JMP 代表乘法冪。 因此溫度的平方加上溫度*溫度。
您使用的最終篩選設計中總共包含多少個因素？
首先感謝您的回覆和詳細的解釋。 我正在添加適合 DSD 報告的結果 - 如果可能的話，您能否建議如何分析結果？這是我第一次使用 DSD，非常感謝您對分析部分的支持和幫助。
多謝
回覆：如何透過預測圖讀取實際值首先，歡迎來到社區。 您沒有提供實驗（因素/水平），只是您運行了 DSD。 這些資訊不足以幫助您進行分析。 我們需要知道資料是如何取得的、哪些模型有意義以及您嘗試分析哪些模型。 正如馬克所指出的，實際與預測（和槓桿）是很好的圖形分析工具，有助於理解模型。 這些與其他殘差圖一起有助於確定模型假設是否滿足，更重要的是模型是否有用。 看起來確實是 temp 的對位。是線性模型的「預期區域之外」。 在不同的溫度水平下，您的變異數似乎也不是恆定的。 這些都顯示你的模型不是特別「好」。
正如皮特所建議的，分析實驗數據集的方法有很多。 我首先建議查看數據並確定數據變化是否足以具有實用價值。 識別任何異常或不尋常的數據點（有多種技術可以做到這一點）。 然後尋找反應變數中的模式。 請特別注意反應變數中的模式何時與因素或交互作用中的模式相符。 步驟應該始終是實用>圖形>定量。
嘗試建立模型時，也有多種策略（例如，RSquare-RSquare Adj delta、RMSE、p 值）。例如，減法模型建構從飽和模型開始，然後刪除看起來不顯著的項。 與從一個因素開始然後向模型添加項目（例如逐步回歸）的加法相反。 認識到模型統計數據是有條件的。 模型中任何項目的統計數據取決於模型中的其他項目以及實驗運行的條件（推理空間）。 如果這些條件發生變化，統計資料也會發生變化。
回覆：如何透過預測圖讀取實際值@YanivD ：可以使用許多不同的方法來分析設計實驗的數據和結果。 我建議您參加 SAS「工業問題解決的統計思維」課程，並將注意力集中在 DOE 和以建模為導向的模組上。 課程的入口可以在這裡找到：
解決工業問題的統計思維
回覆：如何透過預測圖讀取實際值實際的預測圖是散佈圖。 預測響應（Y 帽）用作橫坐標。 觀察到的反應 (Y) 用於縱座標。
擬合最小平方法中的這個範例也是一個「槓桿圖」。 它為原假設（反應獨立於因素）添加一條水平藍線，為備擇假設（反應取決於因素）添加一條傾斜紅線。 它是一個「整體模型」檢驗，將僅具有原假設截距的模型與將所有因子加到備擇假設截距的完整模型進行比較。 紅色 95% 置信區域繪製在紅斜線上方。 如果水平藍線被紅色區域包含，則整個模型檢定在 alpha = 0.05 水準上不顯著。 如果藍線不包含在紅色區域內，則整個模型檢定在同一水平上顯著。 這種視覺評估相當於對 0.05 的顯著水準應用F - 變異數分析表中提供的檢定。
該圖也可用於直觀地評估「缺乏擬合」的可能性。 無偏預測應產生與平均觀測值一致的預測值。 紅線應穿過資料點的中間。 如果模型有偏差，那麼數據點就會偏離直線。 例如，如果對改變因素的反應是非線性的，但模型僅包含線性效應項，則模型將會有偏差。 此範例將透過預測圖顯示實際曲率。 您的範例表現出這樣的曲率，因此您的模型存在偏差。
您多次觀察低溫和高溫下的反應。 您對中心溫度有多少個觀測值？
您可以嘗試為模型新增溫度平方項。 JMP 代表乘法冪。 因此溫度的平方加上溫度*溫度。
您使用的最終篩選設計中總共包含多少個因素？
