预测和专业建模 > 响应筛选 > 响应筛选的更多示例 > 实际显著性检验和等价性检验的示例
发布日期: 09/18/2023

实际显著性检验和等价性检验的示例

使用“响应筛选”平台检验实效性差值。

1. 选择帮助 > 样本数据文件夹,然后打开 Probe.jmp

2. 选择分析 > 筛选 > 响应筛选

3. 选择 Responses 列组并点击 Y,响应

4. 选择过程并点击 X

5. 点击确定

6. 点击“响应筛选”红色小三角并选择实效性差值和等价性

7. 在“输入规格范围的部分或 6*Sigma”旁边的框中键入 0.15。

8. 点击确定

9. 点击“响应筛选”红色小三角并选择保存表 > 保存均值差

图 24.8 显示了数据表的一部分。对于 Y 中的每个响应,相应的行给出有关过程的“New”和“Old”水平的检验信息。

图 24.8 “均值差”表,部分视图 

Means Differences Table, Partial View

因为 Probe.jmp 中规格限没有保存为列属性,JMP 会计算每个响应的实效性差值。将您指定的实效性差值部分 0.15 与响应的 6s 范围估计值相乘,该值用于检验实效性差值和等价性,显示在待检差值列中。

FDR p 值列显示其 p 值指示显著性的响应。FDR 实效性差值 p 值FDR 实效性等价性 p 值列给出实效性差值检验和实效性等价性检验的 p 值。请注意很多列在统计上显示存在显著差值,但是不显示存在实效性显著的差值。

10. 显示““均值差””数据表并选择分析 > 分布

11. 选择实效性结果,然后点击 Y,列

12. 点击确定

图 24.9 显示了实际显著性的结果的分布情况。根据指定的实效性差值检验,只有 36 个检验不同。有 6 个响应的检验是无结果的。您不能判断这些响应在过程前后是否产生了有实效性的差值。

图 24.9 实际显著性结果的分布 

Distribution of Practical Significance Results

可以通过点击图中相应的直条来选择 36 个响应进行进一步研究。

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