혼합물 설계를 위한 매개변수 추정값과 예측 프로파일러 신뢰 구간을 조정하는 방법네 가지 구성 요소로 혼합 실험을 했습니다. 2개 요인과 3개 구성요소의 상호작용을 포함하는 모델로 시작된 복제가 없는 16개 실행의 사용자 정의 설계입니다. 혼합 제약 조건은 네 가지 성분의 합이 1.0이라는 것입니다. 데이터에서 축소된 모델은 통계적으로 유의한 4가지 주요 효과만 있습니다(p<.0001).
예측 프로파일러 플롯은 일부 중요한 요인의 효과의 "기울기"가 0일 수 있음을 암시하는 95% 신뢰 구간을 보여줍니다. 회색 띠는 수평선을 포함합니다. 또한 가장 작은 효과를 갖는 요인이 가장 큰 기울기를 가지고 있음을 보여줍니다.
프로파일러는 또한 모델에 상호 작용이 없음에도 불구하고 성분 C의 양을 변경함에 따라 변화하는 성분 A의 효과 기울기를 보여줍니다. A는 C가 0.1일 때 기울기가 0.05단위이고 C가 0.2일 때 기울기가 0.02단위입니다. 물론 다른 구성 요소의 양은 추론 공간 내에 머물기 위해 변경되지만 기울기가 변경되는 이유는 무엇입니까?
첨부된 그래픽은 내가 보고 있는 것을 보여줍니다. 또한 혼합물 실험에 사용된 최소 및 최대 설정이 있는 요인 설정 대화 상자가 표시됩니다.
산점도와 예측 프로파일러 플롯은 비슷해 보이기 때문에 요인 B가 중요하지 않은 것처럼 보입니다. 그러나 모델에서 B를 제외하면 잔차 오류는 그것이 실수임을 보여줍니다.
이 상황에서 예측 프로파일러의 기울기와 신뢰 구간을 어떻게 해석합니까? 아니면 매개변수 추정치를 예측 프로파일러와 어떻게 연관시킬 수 있습니까?
암사슴Re: 혼합물 설계를 위한 매개변수 추정값과 예측 프로파일러 신뢰 구간을 조정하는 방법Scheff 혼합 모델로 데이터를 분석하지 않는 것이 문제인 것 같습니다. 분산 분석 표를 보십시오. "축소된 모델에 대해 테스트됨: Y=0"이라는 메시지가 표시됩니다. 즉, 절편이 없는 모델에 적합합니다. 혼합 모델에 대해 볼 수 있는 것은 "축소된 모델에 대해 테스트됨: Y=평균"입니다.
무슨 문제가 있었나요? 네 가지 구성 요소의 값을 입력할 때 누군가 반올림했을 가능성이 큽니다. 네 가지 구성 요소의 합인 열을 생성하면 1과 다른 것을 볼 수 있습니다. JMP가 데이터를 혼합으로 분석하려면 합계가 정확히 1이어야 합니다. 문제가 해결되면 모델을 다시 맞추십시오. 그 시점에서 여전히 질문이 있는 경우 여기로 돌아오십시오.
Re: 혼합물 설계를 위한 매개변수 추정값과 예측 프로파일러 신뢰 구간을 조정하는 방법Dan 덕분에 행 중 하나의 합이 1.0이 아닌 것으로 나타났습니다. 내가 그것을 수리했을 때(0.47에서 0.48로 한 비율 변경), 결과는 나를 더 혼란스럽게 만들었습니다.
ANOVA의 오차 SS를 포함하여 제곱합(순차 및 조정)은 거의 변경되지 않았습니다. 그러나 ANOVA의 Model SS는 거의 동일하지 않습니다. 순차 SS에 대한 총 제곱합은 원본에서와 같이 수정된 분석의 ANOVA 값과 합이 되지 않습니다. 어쩐지 1.87대의 SS가 내가 볼 수 없는 곳으로 갔어.
응답 프로파일러의 신뢰 구간은 동일하지만 Y 예측에 의한 Y 실제 플롯에서는 동일하지 않습니다. 매개변수 추정값은 거의 변경되지 않습니다.
첨부된 이미지는 차이점을 보여줍니다. 하나는 "응답 Y 원본"이라는 제목이 붙고 다른 하나는 "응답 Y 수리됨"입니다. ANOVA 테이블의 메시지가 "Y=0" 또는 "Y=mean"임을 알 수 있습니다.
Re: 혼합물 설계를 위한 매개변수 추정값과 예측 프로파일러 신뢰 구간을 조정하는 방법수리된 Y만 신경쓰면 됩니다.
Scheff 혼합 모델은 일반적인 회귀 모델처럼 해석될 수 없습니다. 모형에 절편이 없는 것처럼 보이지만 있습니다. 절편이 주효과에 포함됩니다. 해석이 중요합니다. 예를 들어, 주효과 매개변수 추정치는 실제로 각 구성요소의 순수 구성요소 정점에서 응답 표면의 높이입니다. 즉, 구성 요소의 "효과"에 전체 평균을 더한 것입니다. 이것이 ANOVA에 "Tested Against Y=mean"이라는 메시지가 있는 이유입니다. 따라서 유형 I SS는 주효과의 모든 SS에 평균이 포함되기 때문에 적절하게 합산되지 않습니다.
관찰된 플롯 대 예측 플롯의 신뢰 대역은 Scheff 모델에 대해 정확합니다. 혼합물로 인한 고유한 다중 공선성 때문에 훨씬 더 넓습니다. 요인이 상관관계가 있는 경우(혼합 상태에서) 이는 매개변수 분산의 팽창으로 이어집니다. 따라서 오차 대역은 모형 적합에서 훨씬 더 넓을 것입니다. 예측 프로파일러는 매개변수의 중요성이 아니라 예측에 대한 신뢰 구간이기 때문에 더 좋아 보입니다.
Re: 혼합물 설계를 위한 매개변수 추정값과 예측 프로파일러 신뢰 구간을 조정하는 방법저는 이해하기 시작했습니다. 모델이 효과적으로 가로채는 방식으로 구성요소의 값을 조정한다는 것을 알게 되었습니다. 그러나 구성 요소에 대한 모델의 민감도는 모수 추정치에 비례하는 것으로 나타났습니다. Scheff 모델의 유의성에 대한 통계를 설명하는 몇 가지 논문을 찾아야 한다고 생각합니다.
Prediction Profiler의 신뢰 구간이 개별 예측이 아니라 평균에 대한 신뢰라고 말하는 JMP 도움말이 있습니다. 매개변수의 중요성이나 구성요소의 변화에 대한 모델의 민감도와 관련이 없는 경우 예측 프로파일러에서 신뢰 구간의 유용성은 무엇입니까?
전달하려는 예측 프로파일러의 기울기는 무엇입니까? 성분 D의 기울기는 다른 것보다 크지만 모수 추정치는 가장 작은 이유는 무엇입니까? A와 B의 기울기가 중요하지 않게 보이지만 매개변수 추정값이 D보다 큰 이유는 무엇입니까?
내가 필요한 것은 이 플랫폼에 대한 방법 및 공식 참조이며 거기에서 해결할 수 있습니다. 무대 뒤의 수학은 약간 불투명합니다.
