Problema de resultados de modelo de ajusteJMP 17: Tengo algunas preguntas generales sobre los resultados que obtuve de un análisis de la plataforma Fit Model. Adjunto mi conjunto de datos. Tengo una variable continua de respuesta, Espesor y cuatro factores categóricos que fueron modulados, dos niveles cada uno. El grosor se usó como la variable Y y los cuatro factores (3, 4, 5 y 6) se movieron al área Efectos del modelo de construcción seleccionando Macro > Clasificación factorial. Estoy interesado en ver si hay alguna interacción. En los resultados, lo primero que noto es que la gráfica de residuos estudentizados tiene un patrón sinusoidal. Vi un video de JMP donde el presentador mencionó que si hay un patrón en este diagrama de residuos, ¿puede haber un problema con los datos? A continuación, la tabla de estimaciones de parámetros tiene varias filas sin resultados. ¿Qué está indicando esto? Asimismo, la tabla Pruebas de efectos tampoco tiene datos. ¿Qué está indicando esto? Cualquier entrada sería apreciada. Busqué artículos o videos, pero no encontré ningún problema similar.
Gracias.
Análisis y modelado de datos básicosRe: Problema de ajuste de resultados del modeloEl patrón cíclico es evidente en la gráfica residual. Solo para estar seguro, ¿las filas de la tabla ocurren en el mismo orden que las ejecuciones reales?
Las estimaciones cero indican que sobreespecificó el modelo. Diseñó el experimento para un modelo más simple y luego agregó términos de orden superior durante el análisis, pero el diseño (datos) no admite la estimación de todos los términos. No es una cuestión de la cantidad de carreras. Podría diseñar un experimento de 4 factores y 2 niveles para estimar los 4 efectos principales y la intersección en solo 5 ejecuciones. Podría replicar este diseño muchas veces para una gran cantidad de ejecuciones totales, pero aún no puede estimar los efectos de orden superior.
En su caso, el Factor 3 = B solo se ejecutó en un nivel de los otros factores.
Re: Problema de ajuste de resultados del modeloMarcos, gracias por la respuesta. Las filas de la tabla no están en orden de ejecución. Los experimentos se realizaron en piezas que tienen varios pasos de proceso. Entonces, los cuatro factores enumerados se encontraban en diferentes pasos del proceso. Los factores están numerados en el orden del proceso en el que ocurrieron.
Un poco más de detalle, no participé en el diseño de este experimento. Creo que esto no fue una verdadera configuración del DOE. Básicamente, un experimento matricial multifactorial de dos niveles. ¿Esto excluye el uso de la plataforma Fit Model para analizar los resultados?
Intenté usar el método Agregar para los Factores en el área Efectos del modelo de construcción, no usé la opción Macro para factoriales, el resultado se muestra a continuación. Eliminé los factores 4 y 5 y luego volví a ejecutar el análisis. Entonces, ¿los Factores 3 Nivel A y 6 Nivel Uno muestran deltas estadísticamente significativos en sus niveles opuestos? ¿Cuál es el significado de la intercepción?
Re: Problema de ajuste de resultados del modeloSería una buena idea determinar el orden de ejecución y clasificar la tabla en orden de ejecución para investigar el patrón cíclico observado en los residuos.
El hecho de que los cuatro factores estén involucrados en diferentes pasos del proceso significa que el experimento no es aleatorio. Este hecho tiene implicaciones importantes para el análisis de los datos. Los errores estadísticos están correlacionados. Es probable que se viole la suposición fundamental de la varianza constante en todo el rango de respuesta. El modelo con una sola varianza constante es inadecuado. Las estimaciones de parámetros para los efectos de cada factor requieren diferentes cálculos de error estándar basados en las múltiples unidades experimentales (aleatorización). De lo contrario, los errores tipo I y tipo II son diferentes a los esperados y los valores p no tienen la cobertura esperada.
Todas las pruebas t en la tabla Estimaciones de parámetros son (parámetro estimado - parámetro hipotético) / (error estándar de estimación). El valor del parámetro hipotético es cero. Entonces, la intersección se compara con cero, como los otros parámetros. Sin embargo, es poco probable que los errores estándar sean correctos debido al 'diseño' de parcelas divididas utilizado para recopilar los datos.
