¿Cómo trato la falta de datos de ajuste si realmente se ven bien en el perfilador de superficie y son reales según el gráfico predicho?Estimados profesionales de JMP,
Tengo un conjunto de datos (ver archivo adjunto) con dos factores discretos (X_1 y X_2) y después de ejecutar el modelo, el ajuste se ve bien en el perfil real predicho y en el perfilador de superficie. Sin embargo, tengo una falta significativa de ajuste aquí.
Me pregunto cuál es el motivo aquí y cómo trato este conjunto de datos. ¿Todavía puedo usar y creer el ajuste? Tenga en cuenta que tuve que usar el conjunto discreto de factores aquí en lugar de un libro de texto DoE.
Gracias por tu ayuda aquí,
Saludos,
Simón
AnalíticaGAMARe: ¿Cómo trato la falta de datos de ajuste si realmente se ven bien en el perfilador de superficie y son reales en el gráfico predicho?Hola @SimonFuchs ,
Puede leer más sobre la prueba de falta de ajuste para el análisis de regresión aquí . Creo que el problema con la falta de prueba de ajuste es que no tiene suficientes entradas replicadas para las entradas X_1 y X_2. Su conjunto de datos solo contiene 2, filas 6 y 10. Y, dado que la respuesta que ha medido X_3 y X_6 tiene valores básicamente idénticos (para esas ejecuciones), entonces JMP está teniendo dificultades para informar las estadísticas por la falta de prueba de ajuste. Si realmente estaba replicando las ejecuciones del DOE, entonces, mediante el ruido gaussiano regular, debería tener respuestas que difieren, aunque solo sea en el ruido del sistema de medición.
Puede probar esto agregando algunas filas nuevas que tengan exactamente los mismos pares de X_1 y X_2, pero luego ingrese valores ligeramente diferentes para la respuesta, X_3. Si vuelve a ejecutar el modelo con estos nuevos datos, verá que JMP calcula la falta de ajuste como cabría esperar. Si puede permitirse el lujo de replicar todo el DOE, le recomiendo encarecidamente que lo haga.
Una cosa que noté sobre los modelos es que el factor X_1 juega un papel menos importante (para la respuesta X_3) que el término cruzado X_1*X_2, o incluso el efecto de segundo orden X_2*X_2. De hecho, el papel de X_1 por sí solo no es un factor significativo, aunque cuando se cruza con X_2, se obtiene un término bastante importante. Pude ver que esto sucediera con algo como un catalizador. El catalizador por sí solo no impulsará la reacción, pero cuando se mezcla con el ingrediente correcto, puede impulsar una reacción de manera muy eficiente. ¿Tiene sentido su configuración específica para tener los factores ordenados como están? Si no es así, ¿necesita repensar el modelo y los términos que le está agregando?
Espero que esto ayude,
SD
Re: ¿Cómo trato la falta de datos de ajuste si realmente se ven bien en el perfilador de superficie y son reales en el gráfico predicho?Hola SDF1,
¡Muchas gracias por tu respuesta! Solo quería preguntar, ¿dónde puedo ver/analizar que no tengo suficientes entradas replicadas para X_1?
Sería genial darse cuenta de esto por adelantado, antes de comenzar la medición y también ver esto en el panel de análisis de mínimos cuadrados ajustados.
Gracias por tu jelp aquí y sí, la combinación de factores tiene sentido en este caso.
Saludos
Simón
