Interpretation von ParameterschätzungenIch muss anhand der Parameterschätzungstabelle bestimmen, welche Begriffe für die Antwort am dominantesten erscheinen. Ich bin etwas verwirrt wegen der negativen Koeffizienten für einige der Begriffe in der Schätzungsspalte.
Erweiterte statistische ModellierungVerbraucher- und MarktforschungMassenanpassungQualitäts- und VerfahrenstechnikBetreff: Interpretation von ParameterschätzungenIch denke, dass es sich in diesem Fall um ein Mischungsexperiment handelt. Der Abschnitt ist also vorhanden, aber nicht explizit.
Betreff: Interpretation von ParameterschätzungenZusätzlich zu Marks Erklärung und Empfehlung habe ich folgende Gedanken:
1. Wie groß ist die praktische Bedeutung einer Änderung der Antwortvariablen? Die Schätzungen sind Indikatoren dafür, wie stark sich die Reaktion für jede „Einheit“ der Änderung des Parameters ändern wird.
2. Ich sehe den Achsenabschnitt nicht in Ihrer Parameterschätzungstabelle? Dies ist typischerweise der Durchschnitt der Daten.
3. Interaktionen können schwer zu verstehen sein und ihre Optimierung hängt sowohl vom Zielwert der Reaktion als auch von praktischen Implikationen ab. Von einer Wechselwirkung spricht man, wenn die Wirkung eines Faktors von einem anderen Faktor abhängt. Bei 2-Faktor-Wechselwirkungen mit positivem Vorzeichen ist der Effekt der Wechselwirkung größer, wenn diese Faktoren das gleiche Vorzeichen haben (-,- oder +,+), bei negativen Wechselwirkungen ist der Effekt größer, wenn sie entgegengesetzte Vorzeichen haben (-,+). oder +,-). Es empfiehlt sich, Wechselwirkungen zu bewerten, bevor Schlussfolgerungen über die Haupteffekte gezogen werden. Schauen Sie sich zur Auswertung die Interaktionsdiagramme an.
Betreff: Interpretation von ParameterschätzungenDie Interaktionsterme stellen einen Effekt dar, der über die „Haupteffekte“, „linearen Effekte“ oder „additiven Effekte“ hinausgeht. Der negative Parameter weist auf einen „antagonistischen“ Effekt hin: Dieses Modell sagt eine geringere positive Änderung der Reaktion voraus, als aufgrund der linearen Terme allein zu erwarten wäre.
Es scheint, dass einige der Parameter nicht wesentlich von Null abweichen, sodass diese Terme eliminiert werden können. Die beste Vorgehensweise besteht darin, den am wenigsten signifikanten Term (höchsten p-Wert) zu entfernen und das neue Modell auszuwerten. Entfernen Sie jeweils einen Term und werten Sie den neuen Satz von Schätzungen und p-Werten aus.
Ich schlage vor, dass Sie das verwenden Vorhersage-Profiler Sobald Sie das Modell ausgewählt haben, das bei der Interpretation der Beziehung zwischen den Faktoren und der Reaktion hilfreich sein soll.
