在“正态图”报表标题下方,选择正态图或半正态图 (Daniel 1959)。两个图都基于效应稀疏原则(即:相对较少的效应是活跃的)进行预测。不活跃的那些效应表示随机噪声。它们的估计值可认定为服从均值为 0 且方差为 σ2 的正态分布,其中 σ2 表示剩余误差方差。由此判定:在正态概率图上,表示不活跃效应的估计值落在斜率为 σ 的线条附近。
若不需要任何变换,正态图的垂直坐标表示估计值,水平坐标表示其正态分位数。表示不活跃效应的点应沿着斜率为 σ 的线条分布。Lenth PSE 用于估计 σ,具有该斜率的蓝线显示在图中。
若已经应用正交性变换,则垂直轴表示“标准化估计值”。这些值就是在“参数估计值总体”报表中提供的“正交 t 比”值。(“正交 t 比”值是“正交编码”估计值除以“编码尺度 Lenth PSE”之后的结果。)
由于估计值通过 σ 的估计值进行了标准化,与不活跃效应对应的点应落在斜率为 1 的线条附近。斜率为 1 的红线显示在图中,同时还显示了一条斜率等于“t 检验尺度 Lenth PSE”的蓝线。
在所有情况下,基于“参数估计值总体”报表中的 p 值,在 0.20 水平下偏离正态性的估计值都在图中进行了标记。
半正态图显示效应的绝对值。轴的构造与显示的线条反映了正态图所具有的那些特征。
正态图 显示了 Bicycle.jmp 样本数据表的“正态图”报表。该模型不需要变换,所以图中显示了针对其正态分位数标绘的原始估计值。图中显示了斜率等于 Lenth PSE 的线条。该图表明齿轮、发电机和车座是活跃因子。
1. 选择帮助 > 样本数据库,然后打开 Bicycle.jmp。
2. 选择分析 > 拟合模型。
3. 选择 Y 并点击 Y。
4. 从横把一直选到快速制动,然后点击添加。
5. 点击运行。
6. 点击“响应‘Y’”红色小三角并选择效应筛选 > 正态图。
随即显示下面的正态图。
正态图