「Design Experiment」フォルダにある「Coffee Data.jmp」サンプルデータテーブルを開きます。この計画は、主効果モデルを仮定しています。データテーブルに含まれている「モデル」スクリプトを実行すると、それが確認できます。「計画の評価」ウィンドウの「モデル」アウトラインには、切片と5つの主効果のみが表示されます。「交絡項」アウトラインには、2次の交互作用が表示されます。「交絡行列」を図14.22 に示します。
図14.22 「Coffee Data.jmp」の「交絡行列」
「交絡行列」の表側は、モデル項を示しています。それらのモデル項は、交絡行列の各行に対応しています。「交絡行列」の表頭は、「交絡項」に指定された2次の交互作用で構成されています。それらは交絡行列の各列に対応しています。たとえば、「温度」のモデル項について考えてみましょう。「挽き*時間」の交互作用が存在していた場合、「温度」の係数の推定値には、「挽き*時間」の真の効果の0.333倍のバイアスがかかります。同様に、他の交互作用も存在している場合には、「交絡行列」の値に応じて、「温度」の推定値に対してバイアスが加算されていきます。
次に、「Design Experiment」フォルダにある「Bounce Data.jmp」サンプルデータを検討してみましょう。「モデル」スクリプトには、3因子から構成されるすべての2因子間交互作用が含まれます。このため、「計画の評価」ウィンドウの「モデル」アウトラインには、すべての主効果と2因子間交互作用が表示されます。また、すべての2因子間交互作用は、自動的に「交絡項」のリストにも追加されます。このため、「交絡行列」の各列には、すべての2因子間交互作用が表示されます(図14.23 )。交絡行列におけるゼロでない要素は、その個所がバイアスを受けることを示します。2因子間交互作用はモデルにも含まれているため、それらに対応した要素は必ず1になります。
図14.23 「Bounce Data.jmp」の「交絡行列」