¿Cómo puedo interpretar el gráfico de interacción según la tabla de prueba de efectos?Si bien la mayoría de las fuentes son significativas en las estimaciones de parámetros y en la tabla de pruebas de efectos, ¿por qué no se observan intersecciones en el gráfico de interacción?
Modelado estadístico avanzadoDiseño de experimentosRe: ¿Cómo puedo interpretar el gráfico de interacción según la tabla de prueba de efectos?No ha proporcionado suficiente información, como de dónde provienen sus datos (por ejemplo, de observación, experimentación) para dar una razón específica, por lo que aquí hay algunas cosas a considerar. La significancia estadística en su tabla depende de 2 cosas: MS de los términos (fuente o modelo) Y error de MS (prueba F = MSfactors/MSerror). Si la estimación del MSe es muy pequeña (y no representativa), entonces todo puede ser "estadísticamente significativo". Esta sería mi primera suposición. ¿Cómo se estimó su MSe? ¿Es una función de réplicas aleatorias (lo que a los estadísticos les gusta llamar error puro) o falta de ajuste (eliminación de términos insignificantes del modelo)? ¿Cómo se compara el MSe con la variación real en el proceso? ¿Ha considerado la significancia práctica?
Re: ¿Cómo puedo interpretar el gráfico de interacción según la tabla de prueba de efectos?Hola @Nimaxim . Es difícil decirlo con certeza con la información limitada que has proporcionado. Pero supongo que se debe al tamaño de la muestra. Si el tamaño de la muestra (error gl) es muy grande, incluso los efectos muy pequeños resultan "estadísticamente significativos". Por lo tanto, si bien las interacciones pueden ser "estadísticamente significativas", las diferencias (como lo muestran las líneas no paralelas en los gráficos) pueden ser insignificantes. Este fenómeno a veces se denomina "superpotenciado".
Re: ¿Cómo puedo interpretar el gráfico de interacción según la tabla de prueba de efectos?@statman , @MRB3855 Gracias por las respuestas a mi pregunta. De hecho, este análisis RSM utiliza una red neuronal para las respuestas. Los valores de los factores se basan en datos reales del modelo RFM. Adjunto algunos de los resultados.
Re: ¿Cómo puedo interpretar el gráfico de interacción según la tabla de prueba de efectos?Hola,
Gracias por publicar una imagen para dar contexto, es súper útil.
La tabla de estimaciones de parámetros es la que le resultará más útil. Según la imagen que ha obtenido del generador de perfiles, sospecho que las interacciones son significativas, pero también pequeñas. Además, es probable que tenga muchas observaciones detrás de su modelo. Esto ayudará a que los efectos pequeños sean significativos. Una gran cantidad de grados de libertad puede aumentar la sensibilidad, pero también la posibilidad de que se produzcan falsos positivos.
Salud,
-B
Re: ¿Cómo puedo interpretar el gráfico de interacción según la tabla de prueba de efectos?Hola @Nimaxim : Todo lo mencionado en las otras publicaciones está en juego aquí. Primero necesito más claridad:
1. Las entradas son las distintas X (lo que usted llama "valores de factor")
2. ¿La respuesta Y proviene de un modelo NN que se construyó con base en esas mismas X (como en el punto 1 anterior)?
3. Entonces, ¿está utilizando una regresión múltiple/superficie de respuesta para modelar Y (que es el resultado de un modelo NN como en el punto 2 anterior) como una función de las mismas X (como en el punto 1 anterior)? Es decir, ¿está tratando de predecir el resultado de un modelo NN con un modelo de regresión múltiple/superficie de respuesta (6 efectos lineales, 6 efectos cuadráticos y 15 interacciones para formar los 27 grados de libertad del modelo)?
¿Estoy en lo correcto?
Si es así, sus resultados no son sorprendentes. No existe un error puro (es decir, las réplicas arrojan resultados idénticos), por lo que la única fuente de error se debe a una especificación incorrecta del modelo (falta de ajuste). Antes de avanzar demasiado en este tema... ¿por qué está haciendo esto?
