¿Qué inspiró esta solicitud de lista de deseos?
Cuando creo un diseño factorial 2X2X2 con 2 réplicas (16 ejecuciones en total) y ejecuto el modelo reducido con los efectos de los factores A, C y AC, espero obtener los resultados de la prueba de falta de ajuste porque, en este caso, tengo 8 grados de libertad de error puro y los 4 grados de libertad restantes se pueden usar para la prueba de falta de ajuste. Pero cuando realmente ejecuto el modelo, JMP no activa el informe de falta de ajuste.
Esto se debe a que JMP ignora por completo una columna B y reconoce el modelo con A, C y AC como un modelo completo en dos factores A y C. Pero realmente no es un modelo completo en términos de tres factores A, B y C.
¿Cuál es la mejora que le gustaría ver?
Sugiero que JMP conserve la información de los factores involucrados en los datos (no el modelo) y la utilice para proporcionar un informe LoF.
¿Por qué es importante esta idea?
Por ejemplo, supongamos que un usuario creó un modelo inicial con todos los términos posibles en un diseño factorial de 3 factores. Al investigar la ventana de resumen de efectos, el usuario puede eliminar algunos términos innecesarios uno por uno. Siempre que se elimine un término, el usuario puede querer confirmar la eliminación consultando el informe de LoF. Sin embargo, actualmente, si se eliminan todos los términos que involucran un factor específico, no se proporciona LoF.
Probablemente esto no se limita a datos experimentales de dos niveles; creo que lo mismo podría suceder con cualquier conjunto de datos generales.
Gracias por publicar, Kangwon. La plataforma se comporta según lo requerido, según la forma en que se calcula el LOF. El "modelo completo" se define en referencia a los términos especificados en el cuadro de diálogo de efectos del modelo. Al especificar que el modelo tiene los efectos A, C y AC, se especifica un modelo completo. El modelo se ajusta utilizando todos los datos (es decir, se utilizan las 16 filas de datos). En el diseño adjunto, solo hay puntos de diseño factorial (replicados), sin puntos centrales. Si se incluyen puntos centrales replicados en el diseño, se generará un LOF que podría comprobar la curvatura cuadrática incluso con un modelo completo ajustado. Con solo puntos factoriales replicados y sin puntos centrales, solo se generará un LOF si se ajusta un modelo reducido y se comprobará si se necesitan interacciones. Espero que esta explicación haya sido útil. ¡Gracias!
