Beispiel für Binäre Antwort für definitiven Screening-Versuchsplan analysieren

Qualitätstechniker möchten den Prozess verbessern, mit dem Brezeln produziert werden. Farbe ist ein wichtiges Qualitätsmerkmal. Die Techniker ermitteln anhand eines definitiven Screening-Versuchsplans, welche potenziellen Faktoren sich auf die Farbe der Brezeln auswirken. Für das Experiment sortieren die Techniker schnell kleine Chargen der Brezeln in die Kategorien „Ordnungsgemäß“ und „Unzulänglich“.

  1. Öffnen Sie die Beispieldaten Brezelfarbe.MTW.
  2. Wählen Sie Statistik > Versuchsplanung (DOE) > Screening > Binäre Antwort analysieren aus.
  3. Geben Sie im Feld Ereignisbezeichnung den Wert Ereignis ein.
  4. Geben Sie im Feld Anzahl der Ereignisse die Spalte Akzeptable Farbe ein.
  5. Geben Sie im Feld Anzahl der Versuche die Spalte Versuche ein.
  6. Klicken Sie auf Terme.
  7. Wählen Sie im Feld Folgende Terme einbinden die Option Vollständig quadratisch aus. Klicken Sie auf OK.
  8. Klicken Sie auf Schrittweise.
  9. Wählen Sie im Feld Methode die Option Vorwärts-Informationskriterium aus.
  10. Klicken Sie in den einzelnen Dialogfeldern auf OK.

Interpretieren der Ergebnisse

Im Pareto-Diagramm werden Balken für die Terme aus dem besten Modell entsprechend dem AICc-Kriterium angezeigt. Das Modell enthält zwei Haupteffekte: Backzeit (E) und Backtemperatur 2 (H). Außerdem enthält das Modell den quadrierten Term für Backzeit und den Wechselwirkungseffekt zwischen den beiden Faktoren.

Die Techniker stimmen überein, dass dieses Modell ihren Kenntnissen des Prozesses entspricht. Sie entscheiden sich, das Modell zum Planen weiterer Experimente zu nutzen.

Binäre logistische Regression für Screening-Versuchsplan: Akzeptable F vs. Protein im M; Wasser; ...

Methode Linkfunktion Logit Verwendete Zeilen 50
Vorwärtsauswahl von Termen Erreichtes Minimum-AICc = 243,23
Informationen zur Antwortvariablen Variable Wert Anzahl Ereignisbezeichnung Akzeptable Farbe Ereignis 4235 Ereignis Nicht-Ereignis 765 Versuche Gesamt 5000
Kodierte Koeffizienten Term Koef SE Koef VIF Konstante 2,394 0,145 Backzeit 0,7349 0,0538 1,11 Backtemperatur 2 0,5451 0,0541 1,20 Backzeit*Backzeit -0,384 0,153 1,04 Backzeit*Backtemperatur 2 -0,5106 0,0562 1,24
Chancenverhältnisse für stetige Prädiktoren Änderungseinheit Chancenverhältnis 95%-KI Backzeit 2 * (*; *) Backtemperatur 2 15 * (*; *) Es werden keine Chancenverhältnisse für Prädiktoren berechnet, die in Wechselwirkungstermen enthalten sind, da diese Verhältnisse von den Werten der anderen Prädiktoren in den Wechselwirkungstermen abhängen.
Zusammenfassung des Modells R-Qd(kor) R-Qd der der Abweichung Abweichung AIC AICc BIC 95,81% 95,29% 241,87 243,23 251,43
Tests auf Güte der Anpassung Test DF Chi-Quadrat p-Wert Abweichung 45 32,28 0,922 Pearson 45 31,93 0,929 Hosmer-Lemeshow 8 7,10 0,526
Varianzanalyse Quelle DF Kor Abw Kor MW Chi-Quadrat p-Wert Modell 4 737,452 184,363 737,45 0,000 Backzeit 1 203,236 203,236 203,24 0,000 Backtemperatur 2 1 100,432 100,432 100,43 0,000 Backzeit*Backzeit 1 6,770 6,770 6,77 0,009 Backzeit*Backtemperatur 2 1 80,605 80,605 80,61 0,000 Fehler 45 32,276 0,717 Gesamt 49 769,728
Regressionsgleichung in nicht kodierten Einheiten p(Ereignis) = exp(Y')/(1 + exp(Y')) Y' = -11,984 + 3,361 Backzeit + 0,08740 Backtemperatur 2 - 0,0961 Backzeit*Backzeit - 0,01702 Backzeit*Backtemperatur 2
Anpassungen und Bewertung für ungewöhnliche Beobachtungen Beobachtete Std. Beob Wahrscheinlichkeit Anpassung Resid Resid 1 0,9800 0,9376 2,0298 2,13 R 7 0,9800 0,9396 1,9581 2,00 R 24 0,9000 0,9497 -2,0182 -2,15 R R Großes Residuum

Ausgabedatei

Minitab-Session aufzeichnen in Datei: C:\manual_swo\de-de\pretzel_color_tables.dita.lis * HINWEIS * Anhängen an vorhandene Datei. Binäre logistische Regression für Screening-Versuchsplan: Akzeptable F vs. Protein im M; Wasser; ...
Methode Linkfunktion Logit Verwendete Zeilen 50
Vorwärtsauswahl von Termen Erreichtes Minimum-AICc = 243,23
Informationen zur Antwortvariablen Variable Wert Anzahl Ereignisbezeichnung Akzeptable Farbe Ereignis 4235 Ereignis Nicht-Ereignis 765 Versuche Gesamt 5000
Kodierte Koeffizienten Term Koef SE Koef VIF Konstante 2,394 0,145 Backzeit 0,7349 0,0538 1,11 Backtemperatur 2 0,5451 0,0541 1,20 Backzeit*Backzeit -0,384 0,153 1,04 Backzeit*Backtemperatur 2 -0,5106 0,0562 1,24
Chancenverhältnisse für stetige Prädiktoren Änderungseinheit Chancenverhältnis 95%-KI Backzeit 2 * (*; *) Backtemperatur 2 15 * (*; *) Es werden keine Chancenverhältnisse für Prädiktoren berechnet, die in Wechselwirkungstermen enthalten sind, da diese Verhältnisse von den Werten der anderen Prädiktoren in den Wechselwirkungstermen abhängen.
Zusammenfassung des Modells R-Qd(kor) R-Qd der der Abweichung Abweichung AIC AICc BIC 95,81% 95,29% 241,87 243,23 251,43
Tests auf Güte der Anpassung Test DF Chi-Quadrat p-Wert Abweichung 45 32,28 0,922 Pearson 45 31,93 0,929 Hosmer-Lemeshow 8 7,10 0,526
Varianzanalyse Quelle DF Kor Abw Kor MW Chi-Quadrat p-Wert Modell 4 737,452 184,363 737,45 0,000 Backzeit 1 203,236 203,236 203,24 0,000 Backtemperatur 2 1 100,432 100,432 100,43 0,000 Backzeit*Backzeit 1 6,770 6,770 6,77 0,009 Backzeit*Backtemperatur 2 1 80,605 80,605 80,61 0,000 Fehler 45 32,276 0,717 Gesamt 49 769,728
Regressionsgleichung in nicht kodierten Einheiten p(Ereignis) = exp(Y')/(1 + exp(Y')) Y' = -11,984 + 3,361 Backzeit + 0,08740 Backtemperatur 2 - 0,0961 Backzeit*Backzeit - 0,01702 Backzeit*Backtemperatur 2
Anpassungen und Bewertung für ungewöhnliche Beobachtungen Beobachtete Std. Beob Wahrscheinlichkeit Anpassung Resid Resid 1 0,9800 0,9376 2,0298 2,13 R 7 0,9800 0,9396 1,9581 2,00 R 24 0,9000 0,9497 -2,0182 -2,15 R R Großes Residuum
Durch Ihre Nutzung dieser Website stimmen Sie zu, dass Cookies verwendet werden. Cookies dienen zu Analysezwecken und zum Bereitstellen personalisierter Inhalte.  Lesen Sie unsere Richtlinien