Wie kann ich einen vollfaktoriellen Versuchsplan mit einem quadratischen Regressionsmodell auswerten?Hi, Ich bin neu in der Community und noch ein ziemlicher Anfänger bei JMP. Ich habe folgendes Problem: Ich habe einen vollfaktoriellen 3^3-Plan gemacht. Die Ergebnisse, die ich erhalten habe, sind nicht linear, sondern steigen exponentiell an. Bei der Auswertung der "gewöhnlichen kleinsten Quadrate" erhalte ich nur ein lineares Modell. Gibt es eine Möglichkeit, eine Regression mit einem Polynom höheren Grades durchzuführen? Wenn ja, wie könnte ich das tun? Vielen Dank im Voraus.
AnalytikDAMHIRSCHKUHBetreff: Wie kann ich einen vollfaktoriellen Versuchsplan mit einem quadratischen Regressionsmodell auswerten?Ich gehe davon aus, dass Ihre Faktoren in der Datentabelle mit dem Datentyp Numerisch und dem Modellierungstyp Kontinuierlich definiert sind. Sie sollten auch Spalteneigenschaften enthalten, die mit Ihren DOE-Definitionen übereinstimmen.
Sie können das Dialogfeld Modell anpassen öffnen, indem Sie das Modelltabellenskript ausführen oder indem Sie Analysieren > Modell anpassen auswählen. Sie können die Faktordatenspalten auswählen und dann auf Makros > Antwortflächenmethodik klicken. Diese Aktion fügt quadratische Terme hinzu, um die nichtlineare Antwort zu modellieren.
Ich glaube nicht, dass Sie allein anhand der Daten erkennen können, dass sich die Reaktion exponentiell ändert. Möglicherweise wissen Sie jedoch bereits, dass ein exponentielles Modell angemessen ist. Wenn dies der Fall ist, müssen Sie ein benutzerdefiniertes nichtlineares Modell definieren und es mithilfe der nichtlinearen Plattform anstelle von Fit Least Squares anpassen.
Drei Ebenen reichen aus, um ein quadratisches lineares Regressionsmodell oder ein exponentielles Modell mit nicht mehr als zwei Parametern pro Faktor oder Interaktion anzupassen. Andere Mitglieder haben möglicherweise weitere Anleitungen für Sie, wie Sie das Exponentialmodell definieren könnten. Die JMP-Hilfe führt Sie durch die Schritte, um das ausgewählte Modell anschließend als Spaltenformel zu definieren.
Betreff: Wie kann ich einen vollfaktoriellen Versuchsplan mit einem quadratischen Regressionsmodell auswerten?Danke für ihre schnelle Antwort. Ich habe die Response Surface Methodology für die Faktoren ausprobiert und eine leichte Verbesserung des Modells erhalten. Allerdings beinhalten die vom Regressionsmodell geschätzten Werte auch einige negative Werte, was mit meiner Anwendung in der Realität nicht möglich ist. Gibt es eine Möglichkeit einen Grenzwert für den geschätzten Zielwert zu verwenden? Und könnte es auch eine Option sein, die Messwerte zu protokollieren, um eine bessere Modellqualität zu erhalten? Oder ist das nicht erlaubt und würde das Ergebnis verfälschen? Vielen Dank im Voraus.
Betreff: Wie kann ich einen vollfaktoriellen Versuchsplan mit einem quadratischen Regressionsmodell auswerten?Welche Werte sind negativ? Parameterschätzungen? Vorhergesagte Reaktion? Warum ist eine negative Antwort nicht möglich?
Was sind die natürlichen Grenzen für die Reaktion? Einige Fälle können entweder durch eine Transformation der Antwort wie von Ihnen vorgeschlagen oder durch die Verwendung eines anderen Verteilungsmodells für die statistischen Fehler angegangen werden. Bei der linearen Regression der gewöhnlichen kleinsten Quadrate (OLS) wird davon ausgegangen, dass diese Fehler normalverteilt sind, aber das verallgemeinerte lineare Modell (GLM) ermöglicht mehr Flexibilität bei der Wahl des linearen Prädiktors, der Verknüpfungsfunktion für die mittlere Antwort und der Verteilung der Fehler. Wie ist Ihre Antwort?
Betreff: Wie kann ich einen vollfaktoriellen Versuchsplan mit einem quadratischen Regressionsmodell auswerten?Die vorhergesagte Reaktion wird negativ sein, aber das gemessene Ziel ist der elektrische Widerstand. Die Grenzen wären 0 und nach oben offen. Ich möchte ein leitfähiges Material herstellen und einem nicht leitfähigen Material verschiedene Füllstoffe hinzufügen. Ab einem bestimmten Füllgrad ist das Material leitfähig und davor ein Isolator. Aus diesem Grund variieren die Messwerte von sehr niedrigen bis zu sehr hohen Werten. Daher gehe ich davon aus, dass das Regressionsmodell ungefähr exponentiell sein muss.
Nach einer Transformation der Messwerte über Box-Cox sind die Messwerte normalverteilt. Ist die Transformation zulässig oder muss ich das Modell anpassen?
Betreff: Wie kann ich einen vollfaktoriellen Versuchsplan mit einem quadratischen Regressionsmodell auswerten?Transformationen sind sehr häufig. Sie haben oft eine gewisse physikalische Grundlage, aber im Allgemeinen sind sie gerechtfertigt, weil sie einfach in der empirischen Modellierung nützlich sind.
Wenn der Wert des Box-Cox-Lambda-Parameters nahe bei 0 liegt, können Sie auch direkt eine Protokolltransformation auf die Antwort anwenden. Sie können auch die Anpassungspersönlichkeit im Startdialogfeld „Modell anpassen“ in JMP Pro in „Verallgemeinerte Regression“ ändern und die Lognormal-Verteilung auswählen.
Sie können auch ein benutzerdefiniertes nichtlineares Modell definieren, wenn Sie über eine theoretische Gleichung verfügen, die auf diese Faktoren zutrifft, ohne die Antwortvariablen zu transformieren. Weitere Informationen finden Sie in der JMP-Hilfe diese Plattform .
