予測式についてメンバーの皆さん、こんにちは。
jmp 16 で RSM 設計を行っており、モデルの予測式を抽出したいと考えています。 これが私が得た予測式です。
x1 と x2 の中心点はそれぞれ 25 と 10 です。
- このタイプのモデルの中心点を使用して変数がなぜ中心に配置されるのか疑問に思っています。 (曲率を考慮して一次モデルにのみ適用されると思っていました)
- このモデルを書面で報告する場合、方程式をそのままにしておく必要がありますか?
ご協力をよろしくお願いいたします。 よろしくお願いします。
実験計画法品質およびプロセスエンジニアリングRe: 予測式について詳しい説明ありがとうございます@Mark_Bailey 。 この説明は、回帰モデルを理解するのに大いに役立ちます。
Re: 予測式について変数を変換する方法や理由はたくさんあります。 あなたが遭遇した変換は「コーディング」と呼ばれます。 これは、いくつかの理由から、計画された実験からのデータを分析する際のベスト プラクティスと考えられています。 JMP 設計プラットフォーム (カスタム設計など) では、[テーブルの作成] をクリックすると、連続因子データ列にコーディング列プロパティが追加されます。 最小二乗法フィットプラットフォームはこの列プロパティを認識し、内部で変換を適用します。
解釈：
コーディングを行わない場合、パラメータ推定値はスケール (つまり、測定単位) に依存します。 「どの要素が最も重要ですか?」などの質問に答えるのは困難です。見積もりを調べるだけで。 一方、コード化された因子レベルでは、スケール不変の推定値が得られます。 これらは依然として、因子の 1 単位の変化に対する応答の変化を表しますが、現在は、すべての因子の因子範囲の半分です。 (このため、コード化された因子レベルを使用した推定は「半効果」と呼ばれることもあります。) また、通常、切片はモデリングに必要ですが、意味がありません。 コーディングを行うと、切片は常に設計空間の原点における平均応答になります。
力：
実験の目的 (スクリーニングと最適化など) に関係なく、常に最小の標準誤差を持つ推定値が必要です。 設計により、推定値間の相関関係が決まります。 相関のない推定値の標準誤差は最小になります。 相関により推定値のばらつきが大きくなり、したがって標準誤差も大きくなります。 完全に相関した誤差は無限の分散を持ち、したがって分離できません。 これらのパラメータによって表される効果は複雑です。 因子水準をコーディングすると、推定値間の相関が最小限に抑えられます。
安定性：
モデル階層はコーディングに関連しています。 モデルに項を追加または削除するときは、モデルの階層を維持することを強くお勧めします。 理由の 1 つは、コーディング変換を逆にするなど、後で変数を変更 (変換) するとモデルが不安定になるためです。 で提案されている数式エディターで単純化関数を使用する@HadleyMyersモデルを選択するときに階層を維持しないと、別のモデルが生成されます (一部の項が消え、新しい項が表示されます)。
Re: 予測式についてこんにちは@キマニ、
JMP がフィッティングを実行するとき、指定しない限り、デフォルトで X 因子を中心に配置します (おそらく)。 その理由は、アルゴリズムによりベータ、係数のより正確な推定値を決定できるためです。 この方法で行うと、フィットの未知の誤差の多くを定数イプシロンに押し込むことができ、それによってフィット推定値の誤差、つまりベータを減らすことができます。
これが理にかなっていて役立つことを願っています、
DS
Re: 予測式について回帰式の簡略版の手段を教えていただきありがとうございます。 私は回帰モデリングについてはまだ初心者です。 また、パラメータ推定値をそのまま使用しない理由も知りたかったのです。 通常、予測式の中心点を使用して予測子変数を中心に配置する理由は何ですか?
Re: 予測式についてこんにちは、
予測式をテーブルに保存し、数式エディターを使用して開いて、赤い三角ボタンのメニューから [単純化] を選択すると、2 番目の式を最初の式に変換できることを知っておくと役立つかもしれません。
