该帮助的版本不再更新,请参见https://www.jmp.com/support/help/zh-cn/15.2 获取最新的版本.


对作为单个因子 x 的函数的二项响应的成功概率建模。
该模型对未知参数 β0β1 是非线性关系。使用非线性设计器来计划实验设计。您的目标是针对 x 对二项响应 Y 的影响建模。
One Factor Logistic Design.jmp 数据表位于 Design Experiment 文件夹下,它包含以下内容:
用于预测变量的列 x。为该列定义的“编码”属性将低值设置为 0,高值设置为 1。
用于响应的列 Y。这是用于从您的试验中收集到的响应 (0/1) 的列。
包含连结函数线性部分的公式的列线性预测变量。要查看该公式,请点击“列”面板中线性预测变量右侧的加号。模型公式包括参数 b0b1 的初始估计值。初始参数值是在您定义公式时设置的。这些值显示在公式编辑器窗口中间靠下的公式元素面板中。
图 23.11 带有初始参数估计值的线性预测变量公式
Y 的方差,其中包含基于假定的 Logistic 模型的响应的方差公式。即 p(1-p),其中,p 是 Logistic 函数。该列用作权重列。
1.
选择帮助 > 样本数据库,然后打开 Design Experiment/One Factor Logistic Design.jmp
2.
选择实验设计 > 特殊目的 > 非线性设计
3.
选择 Y 并点击 Y,响应
4.
选择线性预测变量,然后点击 X,线性预测变量
5.
选择 Y 的方差,然后点击权重
6.
点击确定
图 23.12 “非线性设计”窗口
7.
点击“非线性设计”红色小三角,然后选择高级选项 > Monte Carlo 球数。将球数设置为 0 以获取局部最优设计。点击确定
8.
点击制作设计
9.
点击扩充表
这会向 One Factor Logistic Design.jmp 添加 10 次试验设计,请参见图 23.13。因为优化算法具有随机成分,因此设计表将有所不同。
图 23.13 Binomial Optimal Start.jmp 的扩充
1.
右击 Y 列标题并选择公式。
3.
n 输入 1,为 p 输入“预测比例”。点击确定
4.
选择分析 > 拟合模型
5.
选择 Y 并点击 Y
6.
选择 x 并点击添加
11.
点击运行
图 23.14 二项实验设计的回归图