Trovare il modello ottimale quando si analizzano dati sperimentali multifattoriali con lo stesso numero di ripetizioni è difficile perché tutti i fattori, comprese le interazioni, sono ortogonali tra loro. Tuttavia, se ci sono covariate di cui tenere conto, non è possibile creare una tabella di analisi della varianza scomponendo la somma dei quadrati. Miyagawa (2008), "Science of Problem Discovery and Solution - Fundamentals of SQC" include un esempio di analisi di dati sperimentali a tre fattori comprese le covariate, che consiste principalmente in un diagramma di dispersione stratificato sovrapposto a una linea di regressione. I risultati e vengono mostrati i risultati dell'analisi di regressione utilizzando variabili dummy. Miyagawa sottolinea che l'inferenza basata sulle stime dei parametri di regressione non è facile e che niente è meglio di un'attenta stratificazione in un grafico a dispersione. Pertanto, dopo aver selezionato le variabili che includono le interazioni utilizzando il "metodo Stepwise" nel "Model Fit" di JMP, abbiamo utilizzato il "Profilo di previsione" e il "Profilo di interazione" utilizzando il "Metodo dei minimi quadrati standard" , e poi ha utilizzato il "Grafico". Questo documento presenta un metodo completo e sfaccettato per la risoluzione dei problemi collegato a un diagramma a dispersione stratificato simile a una griglia utilizzando "Builder". Inoltre, oltre ai grafici JMP, mostreremo anche come creare grafici a dispersione necessari per la risoluzione dei problemi utilizzando Excel.
