Keine quadratischen Effekte im Response-Surface-ExperimentJMP Pro
Für eine Aufgabe muss also ein Optimierungsproblem gelöst werden, aber ich kann scheinbar keine quadratischen Effekte eingeben. Zuerst dachte ich, ich hätte nicht genug Läufe, aber selbst nach dem Sammeln von Daten aus 80 Läufen blieben die quadratischen Effekte auf Null (siehe Screenshot). Auch wenn Sie den Effekt Mf*Mf abschätzen können, bleibt der Effekt sehr gering und wird von JMP nach der Codierung nicht bemerkt. Die Daten stammen aus einem I-optimalen Screening-Design, es können jedoch einige Fehler enthalten sein. Ich habe das I-optimale Design hinzugefügt und unten Daten gesammelt. Ich habe alle möglichen Modelle und Vorwärtssubstitution verwendet, um den signifikantesten Effekt (Alpha, Beta, Aq, Mf, Pin, Dzul) für die Antworten (Reichweite, Verbrauch) zu erzielen. Ich glaube, dass Alpha einen signifikanten Einfluss auf die Reichweite haben sollte.
AnalytikRe: Keine quadratischen Effekte im Response Surface ExperimentEinige wichtige Grundlagen ... Welche Fragen Sie beantworten können, welche Schlussfolgerungen Sie ziehen können, welche Tools/Techniken Sie für die Analyse verwenden, die Interpretation der Ergebnisse, das Vertrauen in Ihre Fähigkeit, Schlussfolgerungen zu extrapolieren, ALLES HÄNGT DAVON AB, WIE DIE DATEN ERHOBEN WURDEN! Während Sie sicherlich Analysespiele spielen können, indem Sie die Datentypen der Faktoren ändern, sollte die Analyse letztendlich für den Datentyp geeignet sein. Nehmen wir zum Beispiel einen kontinuierlichen Faktor auf 3 Ebenen im Vergleich zu einem kategorialen Faktor auf 3 Ebenen: Es ist sicherlich sinnvoll, einen quadratischen Effekt für die kontinuierliche Variable zu schätzen, aber es macht keinen Sinn für einen kategorialen Faktor. Da Ihre Daten aus einem Experiment stammen, erhalten Sie mit diskreter Numerik dasselbe Modell wie kontinuierliche Variablen, die auf derselben angegebenen Anzahl von Ebenen getestet wurden.
Re: Keine quadratischen Effekte im Response Surface ExperimentHey @statmann zunächst einmal vielen Dank, dass Sie sich die Zeit für dieses Problem genommen haben.Ich dachte, ich hätte meine ersten Daten in einer Textdatei unten hinzugefügt, um sicherzugehen, dass ich sie hier unten in einer jmp-Datei hinzugefügt habe. Ich habe tatsächlich ein Modell mit kontinuierlichen Faktoren mit 2 Stufen erstellt, jetzt habe ich versucht, ein anderes optimales Design mit diskreten numerischen Faktoren mit 3 Stufen zu erstellen. Ich weiß jedoch nicht, ob es theoretisch richtig ist, die kontinuierlichen in diskrete numerische Faktoren umzuwandeln. Was denken Sie?Die Daten mit 3 Ebenen lieferten mir tatsächlich die notwendigen quadratischen Effekte.
Re: Keine quadratischen Effekte im Response Surface ExperimentWillkommen in der Community, @Giel . Es ist schwierig, auf Ihre Anfrage zu antworten, da Sie den Datensatz, aus dem Sie Fragen haben, nicht beigefügt haben. Viele Datenpunkte sind nicht erforderlich, um quadratische Effekte abzuschätzen. Was Sie brauchen, sind kontinuierliche Faktoren auf mehr als 2 Ebenen (oder Sie können die einfache Krümmung des Entwurfsbereichs mit Mittelpunkten schätzen). Aus dem Screenshot geht hervor, dass Sie eine schrittweise (additive) Modellerstellung durchführen. Wenn die Freiheitsgrade "verbraucht" werden, bevor Sie quadratische Effekte schätzen können, erscheinen sie als 0. Normalerweise liegt dies daran, dass Ihnen die Freiheitsgrade zum Schätzen dieser Effekte fehlen oder sie bereits durch andere Begriffe in erklärt wurden Modell. Haben Sie versucht, zu analysieren> Modell anpassen> Standard-Least-Squares-Persönlichkeits- und Effekt-Screening?
