Wählen Sie das Ziel für das Signal-Rausch-Verhältnis der Antwortvariablen aus, und geben Sie an, ob eine Transformation mit dem natürlichem Logarithmus verwendet werden soll, um die Streuung der Standardabweichungen zu stabilisieren.
Dynamisches Signal-Rausch-Verhältnis
Für dynamische Versuchspläne können Sie einen Referenz- und einen Signalwert für die Antwortvariable angeben, durch die die Regressionslinie verlaufen soll. Sie können die Linien auch ohne feste Referenzpunkte anpassen.
Alle Linien durch einen festen Referenzpunkt anpassen: Geben Sie im Feld Antwortreferenzwert den gewünschten Ausgabewert (Wert der Antwortvariablen) ein. Geben Sie im Feld Signalreferenzwert die Stufe des Signalfaktors für den gewünschten Referenzwert der Antwortvariablen ein.
Jede Linie durch die Durchschnittsantwort anpassen bei: Geben Sie im Feld Signalreferenzwert eine Stufe des Signalfaktors ein, auf der der Durchschnittswert der Antwortvariablen für jede Regressionslinie berechnet werden soll.
Linien ohne Referenzpunkt anpassen: Wählen Sie diese Option aus, wenn die Regressionslinie ohne festgelegten Referenzpunkt berechnet werden soll. In diesem Fall wird der Schnittpunkt mit der y-Achse an die Daten angepasst.
Korrigierte Formel für Signal-Rausch-Verhältnis verwenden
Ln(s) für alle Ausgaben der Standardabweichung verwenden
Die mit dem natürlichen Logarithmus transformierten Standardabweichungen werden als Antwortvariable in der Antworttabelle, in den Ergebnissen der Regression/ANOVA sowie im Haupteffektediagramm und im Wechselwirkungsdiagramm verwendet.
Erwägen Sie aus den folgenden Gründen, die Transformation mit dem natürlichen Logarithmus für die Standardabweichung zu verwenden:
Die Streuung der Standardabweichungen soll stabilisiert werden.
Es werden negative angepasste Werte vermieden, die bei Verwendung von nicht transformierten Standardabweichungen auftreten können. Bei einer Log-Transformation sind alle angepassten Werte positiv, wodurch sie intuitiver sind.
Es werden multiplikative Effekte auf die Streuung vermieden. Wenn Sie diese Option auswählen, werden multiplikative in additive Effekte transformiert, die sich für lineare Modelle besser eignen.