JMP는 추정할 수 없는 모델 항을 어떻게 제거합니까?커뮤니티 여러분,
12개의 이항 주효과와 64개의 관측치가 있는 데이터 세트의 설계를 평가하고 모든 상호작용 효과를 추가하기로 결정했습니다("요인"에서 선택하고 "모델"에서 "상호작용"->"2nd" 클릭). . JMP는 다음 메시지를 반환합니다.
이 디자인은 지정된 모델에 맞지 않습니다. 헤아릴 수 없는 모델 항이 제거되었습니다.
이제 저는 64회 실행이 모든 주요 효과와 상호 작용 효과를 추정하기에 충분하지 않으며 데이터의 다중 공선성에 따라 JMP가 추정할 수 있는 특정 수의 상호 작용 항을 선택한다는 것을 알고 있습니다.
JMP가 추정할 수 있는 상호 작용 항의 수와 상호 작용 항을 결정하기 위해 사용하는 공식이 무엇인지 궁금합니다.
미리 감사드립니다
Re: JMP는 어떻게 추정할 수 없는 모델 항을 제거합니까?그런 식으로 이해가 됩니다. 설계 평가는 지정된 설계(64회 실행)를 사용하지만 설계된 모델이 아닌 다른 모델에 대한 설계를 평가할 수 있습니다.
공식은 단순히 추정할 매개변수의 수입니다. 모델을 변경하면 79개의 매개변수가 생성됩니다(절단 1개 + 주 효과 12개 + 2요인 상호 작용 효과 66개). (교호작용 항의 수는 한 번에 2개씩 선택한 12개 요인 조합의 수입니다.) 설계는 64개의 관측치를 제공합니다. 따라서 15개의 매개변수를 제거해야 합니다. 이것이 이 디자인의 결점 중 하나입니다.
두 번째 종류는 각 실행에서 제공하는 정보입니다. 앞서 설명했듯이 회귀 프로세스는 디자인 매트릭스를 확장하여 모델 매트릭스를 만듭니다. 절편을 추정하기 위한 열은 1 . 의 주요 효과를 추정하는 열 fac1 에 대한 데이터 열과 동일합니다. fac1 디자인 매트릭스에서. 의 교호작용 효과를 추정하는 열 fac1 그리고 fac2 이 두 요인에 대한 데이터 열의 곱(교차)입니다. fac1*fac2 . 모델 행렬의 일부 열은 동일합니다. 이 사례는 해당 추정 열에 대한 별칭이 있음을 나타냅니다. 귀하의 추정치는 모든 별칭 효과의 선형 조합입니다. 선형 조합은 매개 변수 값과 별칭 간의 상관 관계를 기반으로 합니다.
따라서 회귀 분석에 별칭을 사용할 수 없습니다. 별칭은 회귀 솔루션에서 특이점을 생성합니다.JMP는 별칭인 용어를 제거합니다. 즉, 효과 중 하나를 추정할 수 있지만 모든 별칭은 추정할 수 없습니다. 설계 또는 회귀에서 어떤 효과를 사용해야 하는지 결정하는 것은 불가능합니다. JMP는 제거할 별칭을 임의로 식별합니다. 목록 끝에서 15개 용어, 즉 마지막 15개 상호 작용 효과를 제거합니다.
Re: JMP는 어떻게 추정할 수 없는 모델 항을 제거합니까?나는 충분히 구체적이지 않았지만 내 예는 질문에 첨부된 데이터 세트와 함께 작동합니다. 설계 단계가 아니라 분석 단계에 대한 질문입니다. 데이터가 열리면 "DOE" --> "Design Diagnostics" --> "Evaluate Design" 메뉴에서 선택하고 모든 상호 작용을 추가합니다(그림 참조: "Factors" 및 "Model"에서 모두 선택합니다. "상호 작용" --> "두 번째"를 추가합니다. 그런 다음 경고 메시지가 나타납니다. 최대 상호 작용 수를 계산하는 정확한 공식은 무엇이며 JMP는 이를 어떻게 선택합니까?
(메시지가 매우 빠르게 표시되기 때문에 반복적인 프로세스로 보이지 않습니다.)
Re: JMP는 어떻게 추정할 수 없는 모델 항을 제거합니까?Custom Design에서 어떻게 이 메시지를 받을 수 있는지 이해할 수 없습니다. 설계를 만들기 전에 모델 항을 지정합니다. 런의 최소 수는 추정에 필요한 매개변수의 수와 같습니다. 최소값(이 경우 79) 미만의 런 수는 입력할 수 없습니다. (절편 1개, 주효과 12개, N Choose K( 12, 2 ) = 66개의 2요인 상호작용.
각 실행에 대한 요인 설정을 포함하는 설계 행렬은 추정할 모든 항에 대한 열이 있는 모형 행렬을 만들기 위해 확장됩니다. 모델 행렬의 일부 열이 동일할 수 있습니다. 이는 두 용어가 동일한 추정 열에 대한 별칭임을 의미합니다. 그것은 그들의 효과가 혼동된다는 것을 의미합니다. 회귀는 매개변수 추정치를 해결하는 데 특이 행렬을 생성하는 교란을 감지하고 이를 특이점 세부 정보로 보고합니다. 예제 디자인은 모든 주효과 및 모든 상호 작용 항에 대한 열이 있는 모형 행렬에 많은 별칭을 생성합니다.
