Hola a todos,
Tengo un conjunto de datos que es un factorial completo de 3 variables independientes categóricas y 1 variable dependiente continua. Esta no fue una prueba diseñada y no contiene puntos de datos repetidos. El modelo de mínimos cuadrados estándar que me gustaría usar contiene los 3 efectos principales y 1 interacción bidireccional. Mi preocupación con el generador de perfiles de predicción es que produce intervalos de confianza basados en un tamaño de muestra de 1 para cada tratamiento. ¿Sigue siendo correcto utilizar estos intervalos en función de cómo JMP analiza cada efecto principal individualmente y el conjunto de datos en su conjunto? ¿Debería mirar sólo los valores predichos e ignorar los intervalos de confianza? ¿Existe algún enfoque mejor que debería utilizar con este conjunto de datos? ¡Gracias de antemano!
Primero, bienvenido a la comunidad. Tengo los siguientes pensamientos y preguntas:
Primero, con la información muy limitada que proporcionó y la falta de imágenes de salida o adjuntando la tabla de datos, estamos extremadamente limitados en el asesoramiento que podemos brindar.
1. Dices " Esta no fue una prueba diseñada". ¿Qué quiere decir con esto? ¿Es este un experimento que usted diseñó y ejecutó?
2. ¿Tiene alguna idea de la incertidumbre del sistema de medición?
3. ¿Existe una cantidad práctica de variación en la respuesta? ¿variable? (¿cambió lo suficiente?) ¿Cómo se comparan los resultados con sus predicciones?
3. Dado que no tiene replicación, los términos que quedaron fuera del modelo son la base para cualquier prueba estadística. Esto es a menudo una prueba sesgada.
4. Intente saturar el modelo y evalúe los gráficos Normal y Pareto. ¿Miraste los residuos? ¿Miraste el diagrama de interacción? ¿Tienen sentido las respuestas?
