Concernant l'expression de prédictionSalut les membres,
Je réalise une conception RSM sur jmp 16 et je souhaite extraire l'expression de prédiction du modèle. C'est l'expression de prédiction que j'ai obtenue.
Les points centraux de x1 et x2 sont respectivement 25 et 10.
- J'essaie de me demander pourquoi les variables sont centrées en utilisant les points centraux pour ce type de modèle. (Je pensais que cela ne s'appliquait qu'aux modèles de premier ordre pour tenir compte de la courbure)
- Lorsque je rapporte ce modèle par écrit, dois-je laisser l’équation telle quelle ?
Toute aide est la bienvenue. Merci d'avance.
Conception d'expériencesIngénierie Qualité et ProcédésRe : Concernant l'expression de prédictionMerci beaucoup pour l'explication détaillée @Mark_Bailey . L'explication m'aidera grandement à comprendre le modèle de régression.
Re : Concernant l'expression de prédictionIl existe de nombreuses façons et raisons de transformer des variables. La transformation que vous avez rencontrée s'appelle « codage ». Cette pratique est considérée comme une bonne pratique lors de l’analyse des données d’une expérience conçue pour plusieurs raisons. Les plates-formes de conception JMP (par exemple, Custom Design) ajoutent la propriété de colonne Codage aux colonnes de données à facteurs continus lorsque vous cliquez sur Créer une table. La plateforme Ajuster les moindres carrés reconnaît cette propriété de colonne et applique la transformation en interne.
Interprétation:
Sans codage, les estimations des paramètres dépendent de l'échelle (c'est-à-dire des unités de mesure). Il est difficile de répondre à des questions telles que « Quel facteur est le plus important ? » simplement en examinant les prévisions budgétaires. D’un autre côté, les niveaux de facteurs codés conduisent à des estimations invariantes d’échelle. Ils représentent toujours le changement dans la réponse pour un changement d'une unité du facteur, mais cela représente désormais la moitié de la plage de facteurs pour tous les facteurs. (Pour cette raison, l'estimation utilisant des niveaux de facteurs codés est parfois appelée « demi-effets ».) De plus, l’interception est généralement nécessaire à la modélisation mais n’a aucun sens. Avec le codage, l'interception est toujours la réponse moyenne à l'origine de votre espace de conception.
Pouvoir:
Nous voulons toujours des estimations avec la plus petite erreur type, quel que soit le but de l'expérience (par exemple, sélection ou optimisation). Le plan détermine la corrélation entre les estimations. Les estimations non corrélées auront la plus petite erreur type. La corrélation gonflera la variation des estimations et, par conséquent, leurs erreurs types. Les erreurs parfaitement corrélées ont une variance infinie et sont donc indissociables. Les effets représentés par ces paramètres sont confus. Le codage des niveaux de facteurs minimise la corrélation entre les estimations.
La stabilité:
La hiérarchie des modèles est liée au codage. Nous vous recommandons fortement de conserver la hiérarchie du modèle lorsque vous ajoutez ou supprimez des termes du modèle. L'une des raisons est que le modèle sera instable si vous modifiez (transformez) ultérieurement les variables, par exemple en inversant la transformation de codage. Utilisation de la fonction Simplifier dans l'éditeur de formule comme suggéré par @HadleyMyers produit un modèle différent (certains termes disparaissent, de nouveaux termes apparaissent) si vous ne conservez pas la hiérarchie lors de la sélection de votre modèle.
Re : Concernant l'expression de prédictionSalut @Kimani ,
Lorsque JMP effectuera l'ajustement, il centrera les facteurs X par défaut (je pense), sauf si vous le spécifiez autrement. La raison en est que l’algorithme peut déterminer une meilleure estimation des bêtas, les coefficients. Procéder de cette façon permet de repousser une grande partie de l'erreur inconnue de l'ajustement vers la constante, epsilon, réduisant ainsi les erreurs des estimations d'ajustement, les bêtas.
J'espère que cela a du sens et aide,
DS
Re : Concernant l'expression de prédictionMerci de m'avoir montré les moyens d'obtenir une version simplifiée de l'équation de régression. Je suis encore nouveau dans la modélisation de régression. Je voulais également savoir pourquoi nous n'utilisons pas les estimations de paramètres telles quelles. Quelle est généralement la raison pour laquelle les variables prédictives sont centrées à l’aide des points centraux dans l’expression de prédiction ?
Re : Concernant l'expression de prédictionSalut,
Il peut être utile de savoir que vous pouvez convertir la deuxième expression en première en enregistrant la formule de prédiction dans le tableau, en l'ouvrant à l'aide de l'éditeur de formule et en sélectionnant « Simplifier » dans le menu du triangle rouge :
