|
•
|
|
•
|
Coffee Data.jmp 的功效分析显示 Design Experiment 文件夹下 Coffee Data.jmp 样本数据表中设计的“功效分析”分级显示项。“模型”脚本中指定的模型是仅包含主效应的模型。
为 Coffee Data.jmp 指定的可能的预期系数值显示“功效分析”报表的上面部分，其中已指定了预期系数的值。这些值反映您要检测的差值。
与模型项相关的系数的值。该值用于功效的计算。这些值还用于计算“设计和预期响应”分级显示项中的“预期响应”列。当您在“预期系数”列中设置新值时，点击将更改应用于预期系数可更新“功效”和“预期响应”列。
注意：预期系数对于连续效应的默认值为 1。它们对于分类效应具有交替值 1 和 –1。您可以通过从红色小三角菜单中选择高级选项 > 设置功效的 Delta 来指定 Delta 的值。若您更改 Delta 的值，预期系数的值会更新以便它们的绝对值为 Delta 的一半。详细信息，请参见高级选项 > 设置功效的 Delta。
当您在“预期系数”列中设置新值时，点击将更改应用于预期系数可更新“功效”和“预期响应”列。
Coffee Data.jmp 的预期响应显示对应于为 Coffee Data.jmp 指定的可能的预期系数值中所示的“预期系数”值的“设计和预期响应”分级显示项。
点击将更改应用于预期响应可同时更新“预期系数”和“功效”列。
使用“预期系数”值作为模型中的系数获得的响应值。该分级显示项首次显示时，“预期响应”值的计算基于“预期系数”列中的默认值。当您在“预期响应”列中设置新值时，点击将更改应用于预期响应可更新“预期系数”和“功效”列。
当您在“预期响应”列中设置新值时，点击将更改应用于预期响应可更新“预期系数”和“功效”列。
考虑 Coffee Data.jmp 数据表中的设计。假定您关注的是设计检测各个量对浓度影响的功效。回想一下，研磨是两水平的分类因子，温度、时间和咖啡豆的量是连续因子，测量地点是三水平的分类（分区组）因子。
您尤其关注检测浓度均值的以下变化量的概率：
|
•
|
您将研磨从“Coarse”变为“Medium”时均值变化了 0.10 个单位。
|
|
•
|
您将 0.05 设置为“显著性水平”。对于固定设计设置，估计的浓度标准差为 0.1，输入它作为“预期 RMSE”。
在“预期系数”面板中输入了用户指定内容的“功效分析”分级显示项显示输入了这些值后的“功效分析”节点。您明确指定了“显著性水平”、“预期 RMSE”和每个“预期系数”的值。
回想一下，温度是具有编码水平 -1 和 1 的连续因子。考虑原假设为温度对浓度没有影响的检验。在“预期系数”面板中输入了用户指定内容的“功效分析”分级显示项显示该检验在温度的各水平上检测 0.10 (=2*0.05) 个单位差值的功效仅为 0.291。
现在考虑检验整个测量地点效应，其中测量地点是三水平的分类因子。考虑原假设为测量地点对浓度没有影响的检验。这其实是当您运行分析 > 拟合模型时“效应检验”报表中针对分类因子提供的普通 F 检验。（请参见《拟合线性模型》手册中的效应检验。）
该检验的功效直接显示在“将更改应用于预期系数”按钮下方。模型项“测量地点 1”和“测量地点 2”的“预期系数”下的条目都为 0.10。这些设置暗示两个测量地点的效应都使浓度高于整体预期均值 0.10 个单位。对于“测量地点 1”和“测量地点 2”系数的这些设置，“测量地点 3”对浓度的影响是使浓度比整体预期均值减少 0.20 个单位。在“预期系数”面板中输入了用户指定内容的“功效分析”分级显示项显示检验用于检测至少这个量的差值的功效为 0.888。