Hallo @leodu ,
Willkommen in der Community!
Sie können sich den Abschnitt „Effektzusammenfassungsbericht“ von JMP ansehen, um die verschiedenen Optionen zum Erstellen und Verfeinern Ihres Modells besser zu verstehen: Effektzusammenfassungsbericht .
Wenn Sie mit der Maus über die Schaltfläche „Ausschließen“ fahren, wird in einer kurzen Meldung die Funktion erläutert: „ Legt das Ausschlussattribut für die ausgewählten Effekte fest. Ausgeschlossene Effekte werden weiterhin in der Effektliste angezeigt, sind jedoch inaktiv und haben keine Parameter. Um einen Effekt wieder auszuschließen, klicken Sie erneut auf die Schaltfläche „Ausschließen “.
Unabhängig davon, ob Sie die Begriffe entfernen oder ausschließen, bleibt Ihr Modell dasselbe, wenn Sie einige Begriffe entfernt oder ausgeschlossen haben (hier ist ein Vergleich mit demselben Modell auf Ihren Daten, links mit entfernten Begriffen und rechts mit ausgeschlossenen Begriffen):
„Effekte ausschließen“ kann für die Lehre interessant sein, wenn Sie erklären müssen, welche Terme durch das Design schätzbar sind und welche tatsächlich in das Modell eingehen bzw. darin geschätzt werden.
Ihre Situation scheint nicht mit dieser Funktionalität zusammenzuhängen, sondern eher mit dem Analyse-/Modellierungsteil.
Es scheint tatsächlich einen Krümmungseffekt zu geben, wenn man sich die Ergebnisse des Lack-of-Fit -Tests ansieht und auch die Diagramme „Tatsächliches Ergebnis nach Vorhersage“ und „Restergebnis nach Vorhersage“ betrachtet:
Bedenken Sie, dass Sie, da Sie nur über replizierte Mittelpunkte verfügen, nur die Krümmung beurteilen, sie aber nicht mit einem bestimmten quadratischen Effekt verknüpfen können. Sie können nur einen quadratischen Effekt aus den fünf möglichen quadratischen Termen auswählen: A*A, B*B, C*C, D*D, E*E.
Da Sie ein klassisches faktorielles Design verwenden, würde ich Ihnen dringend die Verwendung der Plattform „The Fit Two Level Screening“ empfehlen, die Ihnen erheblich und schnell beim Erstellen eines relevanten und nützlichen Modells helfen kann (Sie können auf hinzugefügte Skripte in Ihrer Datentabelle „Fit Two Level Screening of Response“ klicken, um Effekte mit dieser Plattform zu testen, und auf „Fit Model (2-levels Screening)“, um die Ergebnisse dieses Modells anzuzeigen):
Um die Auswirkungen der Replikationseffekte zu beurteilen, wäre es vielleicht angemessener, ein gemischtes Modell zu verwenden und den Replikationseffekt als Zufallseffekt zu verwenden, um zu beurteilen, ob die Variabilität zwischen den beiden Replikationssätzen statistisch signifikant/wichtig/hoch ist. Sie können die Ergebnisse eines solchen Modells (mit denselben Modellbegriffen wie das vorherige aus „Fit Two Levels Screening“) im Skript „Gemischtes Modell“ überprüfen, aber es scheint keine starke Variabilität zwischen den Replikationen zu geben:
Sie können die Unterschiede zwischen den beiden Replikationssätzen auch visuell und analytisch mithilfe von Kontrolldiagrammen und/oder Qualitäts- und Prozesstools (Skripte, die Ihrer Datentabelle hinzugefügt werden) beurteilen:
Hoffe, diese Antwort wird Ihnen helfen,
