korrekte Interpretation des Anpassungsberichts der kleinsten QuadrateIch versuche herauszufinden, ob meine Prozessparameter einen signifikanten Einfluss auf die Antwortvariable haben. Der Fit-Least-Square-Bericht zeigt, dass das Gesamtmodell (im Bild gezeigt) für den Assay nicht signifikant ist, aber die Effekttestzusammenfassung zeigt, dass Faktor a und Wechselwirkung a*d signifikant sind. Ist dies die richtige Interpretation des obigen Falls: Außer Faktor a und a*d haben keine anderen Parameter Einfluss auf den Assay?
Betreff: Korrekte Interpretation des Anpassungsberichts der kleinsten QuadrateDanke @Bill_Worley für deine Antwort. Mein Ziel ist es, das Ziel zu erreichen. Aber ich stimme Ihnen zu, dass etwas die Antwort von y2 beeinflusst, und ich muss das untersuchen. Vielen Dank für die Diskussion und Ihre Hilfe.
Betreff: Korrekte Interpretation des Anpassungsberichts der kleinsten QuadrateIn erster Linie würde ich die beiden Modelle separat anpassen, da a und d in beiden Modellen wichtig sind, b und c jedoch nur für die Anpassung der Daten für y1 wichtig sind.Was ist Ihr Ziel für y1 und y2?Basierend auf Ihrem Profiler sieht es so aus, als ob Sie versuchen, beide Werte zu maximieren.Sie können die angepassten Modelle wieder in der Datentabelle speichern und dann von dort aus einen kombinierten Profiler erstellen und dann die Optimierung durchführen.
Zweitens hat y2 selbst mit dem reduziertesten Modell ein niedrigeres R-Quadrat als Sie möchten, aber basierend auf den Daten ist dies das Beste, was Sie mit den verfügbaren Eingaben tun können.Gibt es andere mögliche Eingaben, die den Wert für y2 beeinflussen könnten / würden, etwas, das nicht in Ihrem DOE enthalten ist?Gibt es Spielraum für einen höheren d-Wert?Wenn die Maximierung Ihrer Leistung Ihr ultimatives Ziel ist, dann scheint ein höherer d-Wert der richtige Weg zu sein.Möglicherweise möchten Sie Ihr DOE mit höheren d-Werten erweitern, um zu sehen, ob dies sowohl für y1 als auch für y2 gilt. Ein höherer d-Wert ist möglicherweise nicht machbar, aber es lohnt sich zumindest, sich anzusehen, was möglich ist, wenn Ihr Ziel darin besteht, y1 und y2 zu maximieren.
HTH
Rechnung
Betreff: Korrekte Interpretation des Anpassungsberichts der kleinsten QuadrateDanke @Mark_Bailey Und @Bill_Worley für deine Antwort. Angehängt ist eine JMP-Datei mit dem Originalmodell (mit dem Namen fit least squaes) und dem reduzierten Modell (mit dem Namen reduziertes Modell).
Betreff: Korrekte Interpretation des Anpassungsberichts der kleinsten QuadrateVielen Dank für die Leverage-Plots und die Parameterschätzungstabelle.Basierend auf dem, was zu sehen ist, haben Sie Recht, dass nur a und a * d für das Modell wichtig sind.Sie könnten/sollten alle anderen Terme außer d aufgrund der Wirkungsvererbung mit dem Interaktionsterm entfernen.Ihr endgültiges Modell würde also nur a, d und a*d enthalten. Ihr tatsächliches durch vorhergesagtes und das Leverage-Plot zeigen ebenfalls etwas Ungewöhnliches, da die Fehlerbalken die Mittellinie (blaue Linie) umfassen.Dies ist ein Hinweis auf ein schlecht angepasstes Modell.Ihr R-Quadrat sieht in Ordnung aus, aber Prob > F sollte näher an Null liegen, um als gutes Modell angesehen zu werden.Nehmen Sie alle anderen Begriffe anhand der Wirkungszusammenfassung heraus und zeigen Sie uns, was Sie dabei erhalten.Im Moment ist Ihr Modell viel zu fit.
HTH
Rechnung
Betreff: Korrekte Interpretation des Anpassungsberichts der kleinsten Quadrate
Betreff: Korrekte Interpretation des Anpassungsberichts der kleinsten QuadrateBitte zeigen Sie die Leverage Plots für diese beiden Begriffe, die Sie erwähnen. Auch die Varianzanalyse-Tabelle ist hilfreich.
