Se utiliza para probar y estimar el efecto que dos factores categóricos y su interacción tienen sobre la media de la población.
- Desde una tabla de datos JMP ® abierta, seleccione Analizar > Ajustar modelo .
- Haga clic en una variable continua en Seleccionar columnas y haga clic en Y, Respuesta (las variables continuas tienen triángulos azules).
- Haga clic en dos variables categóricas de Seleccionar columnas y seleccione Macros, Factorial completo (las variables categóricas tienen barras rojas o verdes). Esto agrega cada efecto principal y la interacción entre los factores como efectos del modelo. Haga clic en Ejecutar . Se mostrará la ventana de resultados de Ajuste del modelo. La tabla Resumen de efectos muestra los valores p de las pruebas estadísticas para la significancia de cada término del modelo. Se proporcionan más detalles sobre estas pruebas en la tabla Pruebas de efecto .
Analgesics.jmp (Help > Sample Data Folder)Analgesics.jmp (Ayuda > Carpeta de datos de muestra)
- Los términos se pueden eliminar del modelo seleccionándolos en la tabla Resumen de efectos y haciendo clic en Eliminar .
- La hipótesis nula en estas pruebas es que el término no tiene efecto sobre el resultado y la hipótesis alternativa es que el término sí tiene efecto.
- El enfoque aceptado consiste en examinar primero la prueba de las interacciones. Si no son significativas, se eliminan del modelo y se procede a probar los efectos principales.
Nota: si se incluye una interacción en el modelo, también se deben incluir los efectos principales, independientemente de si las pruebas para los efectos principales son significativas o no.
- Aquí elegiremos mantener todos los términos en el modelo (el término de interacción es significativo en el nivel 0,10).
Hay muchas opciones disponibles bajo el Triángulo Rojo, como Mostrar expresión predicha , Diagnóstico del modelo , Comparaciones múltiples , Guardar resultados en la tabla de datos y Perfiladores de factores (que se muestran a continuación).
Visite Descubriendo JMP > Analizar sus datos > Comparar promedios para múltiples factores y ajustar modelos lineales en la ayuda de JMP para obtener más información.
