混合設計のパラメーター推定値と予測プロファイラーの信頼区間を調整する方法私は4つのコンポーネントで混合実験をしています。 これは、2つの要素と3つのコンポーネントの相互作用を含むモデルから開始された、レプリケーションなしの16回の実行のカスタム設計です。 混合制約は、4つのコンポーネントの合計が1.0になることです。 データからの縮小モデルには、統計的に有意な4つの主な効果しかありません（p <.0001）。
予測プロファイラープロットは、95％の信頼区間を示しています。これは、いくつかの重要な要因の影響の「傾き」がゼロである可能性があることを意味します。灰色の帯は水平線を囲んでいます。 また、効果が最も小さい因子の傾きが最も大きいことも示しています。
プロファイラーは、モデルに相互作用がない場合でも、コンポーネントCの量を変更すると、コンポーネントAの効果の傾きも示します。 Aは、Cが0.1の場合は0.05単位の傾きを持ち、Cが0.2の場合は0.02単位の傾きを持ちます。もちろん、他のコンポーネントの量は推論空間内にとどまるように変化しますが、なぜ勾配が変化するのでしょうか。
添付の図は、私が見ているものを示しています。 また、混合実験で使用された最小設定と最大設定を含む[因子設定]ダイアログも表示されます。
散布図と予測プロファイラーのプロットは似ているように見えますが、因子Bは重要ではないように見えます。 しかし、Bをモデルから除外すると、残余誤差は間違いであることを示します。
この状況の予測プロファイラーの勾配と信頼区間をどのように解釈しますか？ または、パラメーター推定値を予測プロファイラーに関連付けるにはどうすればよいですか？
DOERe：混合物設計のパラメーター推定値と予測プロファイラーの信頼区間を調整する方法問題は、Scheffe混合モデルでデータを分析していないことのようです。 分散分析の表を見てください。 「縮小モデルに対してテスト済み：Y = 0」というメッセージが表示されます。 これは、切片のないモデルを適合させていることを意味します。 混合モデルで確認する必要があるのは、「縮小モデルに対してテスト済み：Y =平均」です。
それで、何が悪かったのですか？ 4つのコンポーネントの値を入力するときに、誰かが丸めを行った可能性があります。 4つのコンポーネントの合計である列を作成すると、1とは異なるものが表示される可能性があります。 JMPがデータを混合として分析するには、合計が正確に1である必要があります。 それが修正されたら、モデルを再装着してみてください。 その時点でまだ質問がある場合は、ここに戻ってください。
Re：混合物設計のパラメーター推定値と予測プロファイラーの信頼区間を調整する方法ダンに感謝します。行の1つが合計で1.0にならなかったことがわかりました。 私がそれを修理したとき（0.47から0.48に1つの比率を変更した）、その結果は私をより混乱させました。
二乗和（順次および調整済み）は、ANOVAのエラーSSを含め、ほとんど変化しませんでした。 しかし、ANOVAのモデルSSはどこにも同じではありません。 シーケンシャルSSの二乗和の合計は、元の分析のように、修復された分析のANOVAの値に合計されません。 どういうわけか、SSの1.87ユニットは私が見ないどこかに行きました。
応答プロファイラーの信頼区間は同じですが、Y実際のY予測プロットではありません。 パラメータ推定値はほとんど変更されていません。
添付の画像は違いを示しています。1つは「ResponseYoriginal」、もう1つは「ResponseYrepaired」です。 ANOVAテーブルのメッセージが「Y = 0」または「Y = mean」のいずれかであることがわかります。
Re：混合物設計のパラメーター推定値と予測プロファイラーの信頼区間を調整する方法あなたはあなたのYが修理されることだけを気にする必要があるでしょう。
Scheffe混合モデルは、一般的な回帰モデルのように解釈することはできません。 モデルに切片がないように見えますが、切片はあります。 切片は主な効果に含まれています。 重要なのは解釈です。 たとえば、主な効果パラメータの推定値は、実際には、それぞれのコンポーネントの純粋なコンポーネント頂点での応答曲面の高さです。 言い換えれば、それはコンポーネントの「効果」に全体的な平均を加えたものです。 そのため、ANOVAには「Y =平均に対してテスト済み」というメッセージが表示されます。 したがって、主な効果のすべてのSSに平均が関与しているため、タイプISSは適切に加算されません。
観測されたプロットと予測されたプロットの信頼帯は、シェッフェモデルに対して正しいものです。 混合によって引き起こされる固有の多重共線性のために、それらははるかに広くなります。 因子が相関している場合（それらが混合している場合）、それはパラメーターの分散のインフレにつながります。 したがって、エラーバンドはモデルフィットではるかに広くなります。 予測プロファイラーは、パラメーターの重要性ではなく、予測の信頼区間であるため、見栄えが良くなります。
Re：混合物設計のパラメーター推定値と予測プロファイラーの信頼区間を調整する方法私は理解し始めています。モデルは、切片が効果的に存在するようにコンポーネントの値をスケーリングしていることがわかります。 ただし、コンポーネントに対するモデルの感度は、パラメーター推定値に比例するようにも見えます。 シェッフェモデルの有意性の統計を説明するいくつかの論文を見つける必要があると思います。
どこかにJMPヘルプがあり、予測プロファイラーの信頼区間は、個々の予測ではなく、平均の信頼区間であると述べています。 パラメーターの重要性、またはコンポーネントの変更に対するモデルの感度に関連していない場合、予測プロファイラーの信頼区間の効用は何ですか？
伝えようとしている予測プロファイラーの傾きはどれくらいですか？ コンポーネントDの勾配が他のどのコンポーネントよりも大きいのに、そのパラメーター推定値が最小であるのはなぜですか？ なぜAとBの傾きは重要ではないように見えますが、それらのパラメーター推定値はDよりも大きいのですか？
私が必要としているのは、このプラットフォームのメソッドと数式のリファレンスであり、そこから解決できると思います。 舞台裏の数学は少し不透明です。
