最小二乗フィット;効果の要約 vs 効果検定 vs パラメーター推定パラメーター A の p 値が 0.03866 の効果の概要セクションを含む DOE の結果があります。効果検定セクションでは、同じパラメーターの p 値は 0.9353 です。その変数のパラメーター推定値も 0.9353 です。効果の要約が効果検定およびパラメーター推定値と異なるのはなぜですか? また、各検定の意味は何ですか?
ありがとう
Re: 最小二乗フィット;効果の要約 vs 効果検定 vs パラメーター推定同じモデルを 5 つの応答に当てはめた場合、応答ごとに 1 つずつ、合計 5 つの固有のパラメータ推定セットが得られます。 したがって、各項には 5 つの推定値があります。 効果の概要レポートには、各用語の最も有意な推定値が表示されます。
Re: 最小二乗フィット;効果の要約 vs 効果検定 vs パラメーター推定回答ありがとうございます とても参考になりました。実際には複数の応答があります。あなたの回答に関して、もう 1 つ質問があります。最初の文で、「...次に、要約レポートには、モデルの 1 つからの各用語の最も重要な結果が表示されます」と述べています。モデルの 1 つという用語は、応答が 1 つだけのモデルを意味しますか (Y ロール?
ありがとう
Re: 最小二乗フィット;効果の要約 vs 効果検定 vs パラメーター推定個々のモデルを適合させるオプションなしで同時に複数の応答 (Y 役割) をモデル化した場合、要約レポートには、モデルの 1 つからの各項の最も重要な結果が表示されます。
単一の回答または個々の適合の場合、要約レポートと効果テストは本質的に同じです。 他の項がすでに入力されている場合に、項をモデルに追加することの重要性をテストします。 帰無仮説は、追加項が無視できる効果を表すというものです。
パラメーター推定値は、いくつかの一般的なケースでは効果テスト (冗長な情報) と同じように見えることがよくありますが、同じではありません。 パラメーター推定表は、パラメーターがゼロであるという帰無仮説に対して t 検定を使用します。 効果表は、モデルの二乗和のゼロ変化に対して F 検定を使用します。
これら 2 つのレポートの違いは、3 つ以上のレベルを持つカテゴリ因子がある場合により明確になります。
上から下に、情報の種類の階層があります。 モデル全体のテスト、効果テスト、およびパラメーター推定。
Re: 最小二乗フィット;効果の要約 vs 効果検定 vs パラメーター推定効果の概要をもう一度見てください。要因の順序は重要度順です。 効果検定とパラメータ推定の表は、因子がモデル ダイアログでユーザー指定の順序で一覧表示されます。
可能であれば、セキュリティに違反することなく、データを匿名化するか、これらのテーブルの一部を表示してください。
