Hola @leodu ,
¡Bienvenido a la Comunidad!
Puede consultar la sección de Ayuda de JMP sobre el informe Resumen de efectos para comprender mejor las diferentes opciones para crear y refinar su modelo: Informe Resumen de efectos .
Si pasa el ratón sobre el botón "Excluir", aparecerá un breve mensaje que explicará la función: " Establece el atributo Excluir para los efectos seleccionados. Los efectos excluidos siguen apareciendo en la lista de efectos, pero están inactivos y no tienen parámetros. Para anular la exclusión de un efecto, haga clic en el botón Excluir nuevamente ".
Por lo tanto, no importa si elimina los términos o los excluye, su modelo será el mismo si ha eliminado o excluido algunos términos (aquí hay una comparación con el mismo modelo en sus datos, a la izquierda con los términos eliminados y a la derecha con los términos excluidos):
"Excluir efectos" puede ser interesante para la enseñanza, cuando se necesita explicar cuáles son los términos estimables por el diseño y cuáles se ingresan/estiman efectivamente en el modelo.
Su situación no parece estar relacionada con esta funcionalidad, sino más bien con la parte de análisis/modelado.
Parece tener un efecto de curvatura, al observar los resultados de la prueba de falta de ajuste y también al observar los gráficos "Real por previsto" y "Residual por previsto":
Recuerde que, dado que solo tiene puntos centrales replicados, solo podrá evaluar la curvatura, pero no vincularla a un efecto cuadrático específico; solo podrá elegir un efecto cuadrático de los 5 términos cuadráticos posibles: A*A, B*B, C*C, D*D, E*E.
Dado que está utilizando un diseño factorial clásico, le recomiendo encarecidamente que utilice la plataforma de detección de dos niveles Fit , que puede ayudarlo en gran medida y rápidamente a construir un modelo relevante y útil (puede hacer clic en los scripts agregados en su tabla de datos "Detección de respuesta de dos niveles Fit" para probar los efectos con esta plataforma y en "Modelo de ajuste (detección de dos niveles)" para ver los resultados de este modelo):
Para evaluar el impacto de los efectos de réplica, tal vez sería más apropiado utilizar un modelo mixto y utilizar el efecto de réplica como un efecto aleatorio para evaluar si la variabilidad entre los dos conjuntos de réplicas es estadísticamente significativa/importante/alta. Puede consultar los resultados de dicho modelo (con los mismos términos del modelo que el anterior de Fit Two Levels Screening) en el script "Mixed Model", pero no parece haber una variabilidad fuerte entre las réplicas:
También puede evaluar visual y analíticamente las diferencias entre los dos conjuntos de réplicas utilizando gráficos de control y/o herramientas de calidad y proceso (scripts agregados en su tabla de datos):
Espero que esta respuesta te ayude.
