实验设计指南 > 列属性 > 编码 > 编码示例
发布日期: 11/15/2021

编码示例

Reactor 20 Custom.jmp 样本数据表包含来自 20 次试验设计的数据,该设计是使用“定制设计”平台构造的。实验针对某化学过程调查五个因子对产量响应(反应百分比)的影响。

1. 选择帮助 > 样本数据库,然后打开 Design Experiment/Reactor 20 Custom.jmp

2. 在“表”面板中,点击实验设计对话框脚本旁边的绿色小三角。

3. 打开因子分级显示项。

图 A.13 Reactor 20 Custom.jmp 中使用的设计的“因子”分级显示项 

Image shown here

请注意温度的设置范围从 140 到 180。生成设计时,已将“编码”列属性分配给温度。“低值”设置为 140,“高值”设置为 180。

4. 关闭“定制设计”窗口。

5. Reactor 20 Custom.jmp 样本数据表中,点击列面板中温度旁边的星号,然后选择编码

随即显示“列信息”窗口并显示“编码”列属性面板。您可以看到 JMP 构造设计表时添加了列属性,指定了“低值”和“高值”。事实上,通过重复该步骤,您可以验证 JMP 为全部五个因子添加了“编码”属性。

图 A.14 “温度”的“编码”面板 

Image shown here

6. 点击取消以关闭“列信息”窗口。

7. Reactor 20 Custom.jmp 样本数据表中,点击简化模型脚本旁边的绿色小三角。

该脚本拟合仅包含五个效应的模型,基于完整模型的分析这些效应被确定为显著。

8. 点击运行

图 A.15 简化模型的“效应汇总”报表 

Image shown here

在“源”列表中,“编码”列属性中使用的高值和低值显示在主效应(催化剂、温度浓度)右侧的括号中。没有为交互作用效应显示“编码”属性应用的范围。

提示:请注意温度浓度对应 P 值右侧的“^”符号。这些符号指示这些主效应是具有更小 p 值的交互作用效应的分量效应。若模型中包含交互作用效应,则效应遗传原则要求所有分量效应也包括在模型中。请参见效应遗传

9. 点击“响应‘反应百分比’”红色小三角并选择估计值 > 显示预测表达式

查看“预测表达式”分级显示项以了解编码如何影响预测公式。

图 A.16 简化模型的预测表达式 

Image shown here

每个因子按“编码”列属性的指定进行变换。例如,对于温度,注意以下事项:

“编码”属性中的“低值”设置为 140。温度值 140 会变换为 -1。

“编码”属性中的“高值”设置为 180。温度值 180 会变换为 +1。

低值和高值的中点值是 160。温度值 160 会变换为 0。

变换后的值可帮助您比较效应。催化剂的估计系数为 9.942,浓度的估计系数为 -3.077。由此得出结论:催化剂反应百分比的预测效应是浓度反应百分比的效应的三倍多。此外,这些系数指示预测的反应百分比随着催化剂的增加而增加,随着浓度的增加而降低。

变换后的值可帮助您解释系数:

所有因子处于中点值时,变换后的值为 0。预测的反应百分比是截距,即 65.465。

催化剂浓度处于中点值时,温度增加 20 个单位导致反应百分比增加 5.558 个单位。

假定浓度位于其中点值,因此变换后的值为 0:

催化剂位于中点值时,温度增加 20 个单位导致反应百分比增加 5.558 个单位。

催化剂采用高值设置时,温度增加 20 个单位导致反应百分比增加 5.558 + 6.035 = 11.593 个单位。

由此得出结论:交互作用项的系数 6.035 是对应催化剂变化 0.5 个单位,预测的反应百分比模型的斜率增量。

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