Qu'est-ce qui a inspiré cette demande de liste de souhaits ?
Lorsque je crée un plan factoriel 2X2X2 avec 2 répliques (16 exécutions au total) et que j'exécute le modèle réduit avec les effets de facteur A, C et AC, je m'attends à obtenir les résultats du test d'inadéquation, car dans ce cas, j'ai 8 degrés de liberté d'erreur pure et les 4 degrés de liberté restants peuvent être utilisés pour le test d'inadéquation. Mais lorsque j'exécute réellement le modèle, JMP n'active pas le rapport d'inadéquation.
C'est parce que JMP ignore complètement une colonne B et reconnaît le modèle avec A, C et AC comme un modèle complet en deux facteurs A et C. Mais ce n'est vraiment pas un modèle complet en termes de trois facteurs A, B et C.
Quelle amélioration souhaiteriez-vous voir ?
Je suggère de laisser JMP conserver les informations des facteurs impliqués dans les données (pas le modèle) et de les utiliser pour fournir un rapport LoF.
Pourquoi cette idée est-elle importante ?
Par exemple, supposons qu'un utilisateur ait construit un modèle initial avec tous les termes possibles dans un plan factoriel à 3 facteurs. En examinant la fenêtre de résumé des effets, l'utilisateur peut supprimer certains termes inutiles un par un. Chaque fois qu'un terme est supprimé, l'utilisateur peut vouloir confirmer l'élimination en consultant le rapport LoF. Cependant, actuellement, si tous les termes impliquant un facteur spécifique sont éliminés, LoF n'est pas fourni.
Cela ne se limite probablement pas aux données expérimentales à deux niveaux ; la même chose pourrait se produire avec n’importe quel ensemble de données générales, je pense.
Merci pour votre publication, Kangwon. Le fonctionnement de la plateforme est conforme aux attentes, compte tenu de la manière dont le LOF est calculé. Le « modèle complet » est défini par rapport aux termes spécifiés dans la boîte de dialogue des effets du modèle. Lorsque vous spécifiez que le modèle inclut les effets A, C et AC, vous spécifiez un modèle complet. Le modèle est alors ajusté en utilisant toutes les données (c'est-à-dire que les 16 lignes de données sont utilisées). Dans votre plan d'expérience joint, il n'y a que des points de plan factoriel (répliqués), sans points centraux. Si vous aviez inclus des points centraux répliqués dans le plan, vous auriez généré un LOF susceptible de tester la présence d'une courbure quadratique, même avec un modèle complet ajusté. Avec uniquement des points factoriels répliqués et sans points centraux, vous ne générerez un LOF que si un modèle réduit est ajusté, et celui-ci testera la nécessité d'interactions. J'espère que cette explication vous a été utile. Merci !
