Liebe JMP-Profis,
Ich habe einen Datensatz (siehe Anhang) mit zwei diskreten Faktoren (X_1 und X_2) und nach dem Ausführen des Modells sieht die Anpassung sowohl im tatsächlichen als auch im Oberflächenprofiler gut aus. Allerdings habe ich hier einen deutlichen Mangel an Passform.
Ich frage mich, was hier der Grund ist und wie gehe ich mit diesem Datensatz um? Kann ich die Passform trotzdem verwenden und glauben? Bitte beachten Sie, dass ich hier anstelle eines Lehrbuch-DoE den diskreten Satz von Faktoren verwenden musste.
Danke für deine Hilfe hier,
Mit freundlichen Grüßen,
Simon
Hi @SimonFuchs ,
Lesen Sie mehr über den Mangel an Anpassungstest für die Regressionsanalyse hier . Ich denke, das Problem mit dem fehlenden Fit-Test ist, dass Sie nicht genügend replizierte Einträge für die Eingaben X_1 und X_2 haben. Ihr Datensatz enthält nur 2, Zeilen 6 und 10. Und da die Antwort, die Sie X_3 und X_6 gemessen haben, im Grunde identische Werte (für diese Läufe) hat, fällt es JMP schwer, die Statistiken für den fehlenden Anpassungstest zu melden. Wenn Sie DOE-Läufe wirklich replizieren, sollten Sie durch normales Gaußsches Rauschen Antworten haben, die sich unterscheiden, und sei es nur im Rauschen des Messsystems.
Sie können dies testen, indem Sie ein paar neue Zeilen hinzufügen, die genau dieselben Paare von X_1 und X_2 enthalten, aber dann leicht unterschiedliche Werte für die Antwort X_3 eingeben. Wenn Sie das Modell mit diesen neuen Daten erneut ausführen, werden Sie feststellen, dass JMP die fehlende Anpassung wie erwartet berechnet. Wenn Sie es sich leisten können, das gesamte DOE zu replizieren, dann würde ich das sehr empfehlen.
Eine Sache, die mir bei den Modellen aufgefallen ist, ist, dass der Faktor X_1 eine weniger wichtige Rolle spielt (für die X_3-Antwort) als der Kreuzterm X_1*X_2 oder sogar der Effekt zweiter Ordnung X_2*X_2. Tatsächlich ist die Rolle von X_1 allein kein signifikanter Faktor, obwohl Sie, wenn Sie es mit X_2 kreuzen, einen ziemlich wichtigen Begriff erhalten. Ich konnte sehen, wie dies mit so etwas wie einem Katalysator geschah. Der Katalysator allein wird die Reaktion nicht antreiben, aber wenn er mit der richtigen Zutat gemischt wird, kann er eine Reaktion sehr effizient antreiben. Ist es in Ihrem speziellen Setup sinnvoll, die Faktoren so zu ordnen, wie sie sind? Wenn nicht, müssen Sie das Modell und die Begriffe, die Sie hinzufügen, überdenken?
Hoffe das hilft,
DS
Hallo SDF1,
vielen dank für deine antwort! Ich wollte nur fragen, wo ich sehen/analysieren kann, dass ich nicht genug replizierte Einträge für X_1 habe?
Es wäre großartig, dies im Voraus zu erkennen, bevor ich mit der Messung beginne, und dies auch in der Anpassungsanalyse der kleinsten Quadrate zu sehen.
Danke für deinen Jelp hier und ja, die Faktorkombination macht in diesem Fall Sinn.
Mit freundlichen Grüßen
Simon
