发布日期: 04/13/2021

效应筛选

筛选设计通常不提供误差自由度,因此,经典效应检验不可用。在这些情形下,“效应筛选”尤其有用。

对于这些设计,大多数关于效应大小的推断都假定非截距参数的估计值不相关且具有相等方差。这些假设对于与许多经典实验设计关联的模型都成立。不过,也有些情形下这些假设并不成立。对于上述两种情形,“效应筛选”平台会指导您确定哪些效应显著。

“效应筛选”平台使用效应稀疏原则 (Box and Meyer 1986)。该原则主张在筛选设计所研究的效应中只有相对较少的效应是活跃的。多数效应是非活跃的,这表示其真正效应为零,并且其估计值是随机误差。

提供以下“效应筛选”选项:

统一尺度估计值

提供与尺度统一后均值为 0 且极差为 2 的因子对应的参数估计值。请参见统一尺度估计值和连续项的编码

正态图

标识偏离正态性的参数估计值,可帮助您确定哪些效应是活跃的。请参见“正态图”报表

Bayes 图

使用 Bayesian 方法为所有模型项计算后验概率。请参见“Bayes 图”报表

Pareto 图

标绘正交化和标准化参数估计值的绝对值,将其关联到其绝对值的总和。请参见“Pareto 图”报表

需要更多信息?有问题?从 JMP 用户社区得到解答 (community.jmp.com).