Salut @leodu ,
Bienvenue dans la Communauté !
Vous pouvez consulter la section d'aide JMP sur le rapport de synthèse des effets pour mieux comprendre les différentes options pour créer et affiner votre modèle : Rapport de synthèse des effets .
Si vous passez votre souris sur le bouton "Exclure", un court message vous expliquera la fonctionnalité : " Définit l'attribut Exclure pour les effets sélectionnés. Les effets exclus apparaissent toujours dans la liste des effets, mais ils sont inactifs et n'ont pas de paramètres. Pour désexclure un effet, cliquez à nouveau sur le bouton Exclure ".
Ainsi, peu importe si vous supprimez les termes ou les excluez, votre modèle sera le même si vous avez supprimé ou exclu certains termes (voici une comparaison avec le même modèle sur vos données, à gauche avec les termes supprimés et à droite avec les termes exclus) :
« Exclure les effets » peut être intéressant pour l'enseignement, lorsque vous devez expliquer quels sont les termes estimables par la conception et lesquels sont effectivement saisis/estimés dans le modèle.
Votre situation ne semble pas être liée à cette fonctionnalité, mais plutôt à la partie analyse/modélisation.
Vous semblez avoir un effet de courbure, en regardant les résultats du test de manque d'ajustement , et en regardant également les tracés « Réel par prédit » et « Résiduel par prédit » :
N'oubliez pas que puisque vous n'avez que des points centraux répliqués, vous ne pourrez évaluer que la courbure mais pas la lier à un effet quadratique spécifique ; vous ne pourrez choisir qu'un seul effet quadratique parmi les 5 termes quadratiques possibles : A*A, B*B, C*C, D*D, E*E.
Puisque vous utilisez un plan factoriel classique, je vous recommande vivement d'utiliser la plateforme The Fit Two Level Screening qui peut vous aider considérablement et rapidement à construire un modèle pertinent et utile (vous pouvez cliquer sur les scripts ajoutés dans votre table de données « Fit Two Level Screening of Response » pour tester les effets avec cette plateforme et sur « Fit Model (2-levels Screening) » pour voir les résultats de ce modèle) :
Pour évaluer l'impact des effets de réplication, il serait peut-être plus approprié d'utiliser un modèle mixte et d'utiliser l'effet de réplication comme un effet aléatoire, pour évaluer si la variabilité entre les deux ensembles de réplications est statistiquement significative/importante/élevée. Vous pouvez vérifier les résultats de ce modèle (avec les mêmes termes de modèle que le précédent de Fit Two Levels Screening) dans le script "Mixed Model", mais il ne semble pas y avoir de forte variabilité entre les réplications :
Vous pouvez également évaluer visuellement et analytiquement les différences entre les deux ensembles de réplicats à l'aide de cartes de contrôle et/ou d'outils Qualité et Processus (scripts ajoutés dans votre table de données) :
J'espère que cette réponse vous aidera,
