Trouver le modèle optimal lors de l'analyse de données expérimentales multifactorielles avec le même nombre de répétitions est difficile car tous les facteurs, y compris les interactions, sont orthogonaux les uns par rapport aux autres. Vous pouvez vous en sortir en les regroupant simplement. Cependant, s'il y a des covariables qui doivent être prises en compte, il n'est pas possible de créer un tableau d'analyse de variance en décomposant la somme des carrés. Miyagawa (2008), « Science of Problem Discovery and Solution - Fundamentals of SQC » inclut un exemple d'analyse de données expérimentales à trois facteurs, y compris des covariables, qui consiste principalement en un diagramme de dispersion stratifié recouvert d'une ligne de régression. les résultats de l'analyse de régression utilisant des variables muettes sont présentés. Miyagawa souligne que l'inférence basée sur les estimations des paramètres de régression n'est pas facile et que rien ne vaut une stratification minutieuse dans un nuage de points. Par conséquent, après avoir sélectionné les variables incluant les interactions à l'aide de la « méthode Stepwise » dans le « Model Fit » de JMP, nous avons utilisé le « Profil de prédiction » et le « Profil d'interaction » à l'aide de la « Méthode des moindres carrés standard ». , puis utilisé le ``Graph Cet article présente une méthode de résolution de problèmes multiforme et complète connectée à un diagramme de dispersion stratifié en forme de grille à l'aide de "Builder". De plus, en plus du traçage JMP, nous vous montrerons également comment créer des nuages de points nécessaires à la résolution de problèmes à l'aide d'Excel.
