In che modo JMP rimuove i termini del modello inestimabiliCara comunità,
Voglio valutare la progettazione di un set di dati con 12 effetti principali binari e 64 osservazioni e decido di aggiungere tutti gli effetti di interazione (selezionandoli in "fattori" e facendo clic su "interazioni"->"2nd" in "Modelli") . JMP restituisce questo messaggio:
Questo design non può adattarsi al modello specificato. I termini del modello inestimabili sono stati rimossi.
Ora so che 64 esecuzioni non sono sufficienti per stimare tutti gli effetti principali e di interazione e che, a seconda della multicollinearità dei miei dati, JMP sceglierà un certo numero di termini di interazione che può eventualmente stimare.
Sono solo curioso di sapere qual è la formula che JMP utilizza per determinare quanti (e quali) termini di interazione può stimare.
grazie in anticipo
Ri: In che modo JMP rimuove i termini del modello inestimabiliIn questo modo ha senso. Valuta progetto utilizza il progetto dato (64 esecuzioni) ma è possibile valutare progetti per modelli diversi da quello per cui è stato progettato.
La formula è semplicemente il numero di parametri da stimare. La tua modifica al modello comporta 79 parametri (1 intercetta + 12 effetti principali + 66 effetti di interazione a due fattori). (Il numero di termini di interazione è il numero di combinazioni di 12 fattori scelti 2 alla volta.) Il tuo progetto fornisce 64 osservazioni. Quindi 15 parametri devono essere eliminati. Questo è un tipo di carenza di questo design.
Il secondo tipo sono le informazioni fornite da ciascuna esecuzione. Come ho spiegato, il processo di regressione espanderà la matrice di progettazione per creare la matrice del modello. La colonna per la stima dell'intercetta è una colonna di 1 . La colonna per la stima dell'effetto principale di fac1 è uguale alla colonna di dati per fac1 nella matrice del progetto. La colonna per la stima dell'effetto di interazione di fac1 E fac2 è il prodotto (incrociato) delle colonne di dati per questi due fattori, fac1*fac2 . Alcune delle colonne nella matrice del modello sono le stesse. Questo caso indica che hai degli alias per quella colonna di stima. La tua stima è la combinazione lineare di tutti gli effetti alias. La combinazione lineare si basa sui valori dei parametri e sulle correlazioni tra gli alias.
Quindi non puoi avere alias nell'analisi di regressione. Gli alias producono una singolarità nella soluzione di regressione.JMP elimina i termini che sono alias. In altre parole, è possibile stimare uno degli effetti ma non tutti gli alias. È impossibile determinare quale degli effetti deve essere utilizzato dal progetto o dalla regressione. JMP identifica arbitrariamente gli alias da eliminare. Rimuove 15 termini dalla fine dell'elenco, ovvero gli ultimi 15 effetti di interazione.
Ri: In che modo JMP rimuove i termini del modello inestimabiliNon sono stato abbastanza specifico, ma il mio esempio funziona con il set di dati allegato alla domanda. È una domanda per la fase di analisi e non per la fase di progettazione. Una volta aperti i dati, seleziono nel menu "DOE" --> "Diagnostica del progetto" --> "Valuta progetto" e aggiungo tutte le interazioni (vedi figura: seleziono tutto sotto "Fattori" e sotto "Modello", inserisco aggiungi "interazioni" --> "2°". Quindi ricevo il messaggio di avviso. Qual è la formula esatta che calcola il numero massimo di interazioni e come le sceglie JMP?
(non sembra che sia un processo iterativo, poiché il messaggio si presenta molto velocemente)
Ri: In che modo JMP rimuove i termini del modello inestimabiliNon capisco come si possa ottenere questo messaggio in Custom Design. Si specificano i termini del modello prima di realizzare il progetto. Il numero minimo di corse è uguale al numero di parametri che è necessario stimare. Non è possibile inserire un numero di corse inferiore al minimo, che in questo caso è 79. (1 intercetta, 12 effetti principali e N Scegli K( 12, 2 ) = 66 interazioni a due fattori.
La matrice di progettazione contenente le impostazioni dei fattori per ogni esecuzione viene espansa per creare la matrice del modello con una colonna per tutti i termini da stimare. È possibile che alcune delle colonne nella matrice del modello siano le stesse. Ciò significa che due termini sono alias per la stessa colonna di stima. Ciò significa che i loro effetti sono confusi. La regressione rileverà il confondimento, che produce una matrice singolare nella risoluzione delle stime dei parametri, e la riporterà come Singularity Details. Il progetto di esempio produce molti alias nella matrice del modello con colonne per tutti gli effetti principali e tutti i termini di interazione.
