Salut à tous,
Je suis nouveau sur jmp, j'ai donc une question probablement très basique.
J'utilise jmp pro 15 et j'ai effectué une conception de criblage définitive avec 7 facteurs (6 continus, 1 discret).
Pour évaluer les résultats dans d'autres programmes, je souhaite recalculer les estimations de réponse manuellement.
Pour cela, j'ai utilisé la formule suivante:
réponse = intercepter + ...
sum_over_main_effects(facteur * effet_main) + ...
sum_over_interaction_effects(factor1 * factor2 * interaction_effect) + ...
sum_over_quadrativ_effects(facteur * facteur * effet_quadratique)
Ainsi, l'interception, les effets principaux, les effets d'interaction et les effets quadratiques ont été donnés par le DSD.
Les facteurs ont été normalisés avant de les multiplier avec les effets correspondants dans une fourchette de -1 et +1.
Pour l'influence du facteur discret, j'ai ajouté l'estimation du facteur chaque fois que le facteur discret est actif.
Cependant, je ne suis pas du tout en mesure de recréer les estimations de réponse.
Pouvez-vous m'indiquer la bonne façon de calculer les réponses d'estimation à partir des estimations de paramètres ?
Merci pour ton aide!
Je pense que vous pouvez créer le même modèle à l'aide de la plate-forme de conception personnalisée (remplir les sections Facteurs et Modèle de la même manière), puis vérifier Simuler les réponses avant de créer le tableau.De cette façon, une colonne « Y Simulé » est créée avec la formule appropriée que vous pouvez copier et coller.
Merci pour votre réponse!
Je viens d'essayer et étrangement, cela ne semble pas fonctionner.
Cependant, il devrait en théorie être très simple de calculer une réponse simulée d'un modèle linéaire si vous connaissez le mappage correct.
Savez-vous ce qu'indiquent les estimations factorielles du DSD ? Est-ce le quotient entre la réponse et les facteurs correspondants ?
La plateforme Fit Definitive Screening est vraiment une plateforme de sélection de modèles. Vous cliquez sur Make Model ou Run Model pour terminer l'analyse de régression dans la plateforme Fit Least Squares. Ainsi, les estimations des paramètres ne sont que des coefficients de régression. La différence que vous voyez est probablement due au paramétrage du facteur catégoriel. Les niveaux de facteurs continus sont « codés » (pas nécessairement « normalisés » comme vous l'avez mentionné) et les les niveaux de facteurs catégoriels sont expliqués ici .
