パラメータ推定値の解釈パラメータ推定表に基づいて、どの項が応答に対して最も支配的に見えるかを判断する必要があります。 推定列の下のいくつかの項の係数が負であるため、少し混乱しています。
分析データ表DOERe: パラメータ推定値の解釈この場合は混合実験だと思います。したがって、切片は存在しますが明示的ではありません。
Re: パラメータ推定値の解釈マークの説明と推奨事項に加えて、次のような考えがあります。
1. 応答変数のどの程度の変化が実際に重要か? 推定値は、パラメーターの変化の「単位」ごとに応答がどれだけ変化するかを示す指標です。
2. パラメータ推定表に切片が表示されませんか? これは通常、データの平均です。
3. 相互作用は理解しにくい場合があり、それらを最適化する方法は、応答の目標値と実際の意味の両方に依存します。 交互作用とは、因子の効果が別の因子に依存する場合です。 正符号の 2 因子交互作用の場合、それらの因子が同じ符号 (-、- または +,+) の場合、交互作用の効果が大きくなり、負の交互作用の場合、符号が反対の場合、効果が大きくなります ,(-,+または +,-)。 主効果について結論を出す前に交互作用を評価することをお勧めします。 評価のために交互作用プロットを見てください。
Re: パラメータ推定値の解釈交互作用項は、「主効果」、「線形効果」、または「相加効果」以上の効果を表します。 負のパラメーターは「拮抗」効果を示します。このモデルは、線形項のみから予想されるよりも応答の正の変化を予測しません。
一部のパラメーターはゼロと有意差がないように見えるため、これらの項は削除できます。 ベスト プラクティスは、最下位の項 (最大の p 値) を削除して、新しいモデルを評価することです。 一度に 1 つの項を削除し、推定値と p 値の新しいセットを評価します。
を使用することをお勧めします予測プロファイラーモデルを選択したら、因子と応答の間の関係を解釈するのに役立ちます。
