Interprétation des résultats principaux pour la fonction Diagrammes factoriels

Suivez les étapes ci-dessous pour interpréter les résultats de la fonction Diagrammes factoriels. Les résultats principaux incluent le diagramme des interactions et le graphique des effets principaux.

Etape 1 : Examiner les effets des interactions

Examinez les effets des interactions bidirectionnels dans le diagramme des interactions. Ce diagramme indique dans quelle mesure la relation entre la variable de réponse et un prédicteur dépend de la valeur d'un deuxième prédicteur.

Etudiez les lignes pour déterminer l'influence des interactions sur la relation entre les prédicteurs et la réponse.
Lignes parallèles
Aucune interaction.
Lignes non parallèles
Il existe une interaction. Moins les lignes sont parallèles, plus l'interaction est forte.

Bien que vous puissiez utiliser ce diagramme pour afficher les effets, vous devez en évaluer la signification statistique dans les analyses qui permettent d'ajuster le modèle. Si les effets des interactions sont statistiquement significatifs dans cette analyse, vous ne pouvez pas interpréter les effets principaux sans en tenir compte.

Le type de valeurs de réponse ajustées affichées par Minitab dépend du type de la variable de réponse de votre modèle. Minitab affiche les types de valeurs ajustées suivants :
  • Moyennes des variables de réponse contenant des mesures continues, telles que la longueur ou le poids.
  • Moyennes des variables de réponse contenant des dénombrements qui suivent la loi de Poisson, comme le nombre de défauts par échantillon.
  • Probabilités des variables de réponse contenant deux résultats possibles uniquement, comme réussite/échec.
  • Ecarts types des modèles qui sont ajustés à l'aide de la fonction Analyser la variabilité.
Le diagramme des interactions affiche les moyennes de réponse ajustées pour les valeurs du prédicteur sur l'axe des X. Les valeurs du deuxième prédicteur sont affichées comme suit :
  • Si le deuxième prédicteur est un prédicteur de catégorie, le diagramme affiche une ligne distincte pour chaque niveau de ce prédicteur.
  • Si le deuxième prédicteur est continu, le diagramme affiche une ligne pour les valeurs les plus faibles et les plus élevées de ce prédicteur dans les données échantillons.
Remarque

Pour les plans de mélange, les diagrammes des interactions affichent uniquement les moyennes des données. Pour plus d'informations sur les types de moyennes, reportez-vous à la rubrique Moyennes des données et moyennes ajustées.

Pour les modèles à effets mixtes, les graphiques des interactions affichent les moyennes conditionnelles des termes aléatoires. Pour plus d'informations sur les moyennes conditionnelles, reportez-vous à la rubrique Tableau des moyennes conditionnelles.

Résultat principal : diagramme des interactions

Dans ce diagramme des interactions, les lignes ne sont pas parallèles. Cet effet d'interaction indique que la relation entre le type de métal et la résistance dépend du temps de frittage. Par exemple, si vous utilisez le type de métal 2, le temps de frittage 150 est associé à la plus forte valeur de résistance moyenne. En revanche, si vous utilisez le type de métal 1, c'est le temps de frittage 100 qui est associé à la plus forte valeur de résistance moyenne.

Les résultats de la fonction Ajuster le modèle linéaire général indiquent que l'interaction entre TempsFrittage et TypeMétal est statistiquement significative.

Etape 2 : Examiner les effets principaux

Examinez le graphique des effets principaux pour évaluer la relation entre la réponse et les prédicteurs.

Evaluez les lignes pour déterminer l'existence ou non d'un effet principal, comme suit :
  • Si la ligne est horizontale (parallèle à l'axe des X), aucun effet principal n'est présent. La valeur de réponse ne varie pas en fonction de la valeur du prédicteur.
  • Si la ligne n'est pas horizontale, un effet principal est présent. La valeur de réponse n'est pas identique pour toutes les valeurs du prédicteur. Plus la pente de la ligne est raide, plus la valeur de l'effet principal est élevée.

Bien que vous puissiez utiliser ce diagramme pour afficher les effets, vous devez en évaluer la signification statistique dans les analyses qui permettent d'ajuster le modèle. Si les effets des interactions sont statistiquement significatifs dans cette analyse, vous ne pouvez pas interpréter les effets principaux sans en tenir compte.

Le type de valeurs de réponse ajustées affichées par Minitab dépend du type de la variable de réponse de votre modèle. Minitab affiche les types de valeurs ajustées suivants :
  • Moyennes des variables de réponse contenant des mesures continues, telles que la longueur ou le poids.
  • Moyennes des variables de réponse contenant des dénombrements qui suivent la loi de Poisson, comme le nombre de défauts par échantillon.
  • Probabilités des variables de réponse contenant deux résultats possibles uniquement, comme réussite/échec.
  • Ecarts types des modèles qui sont ajustés à l'aide de la fonction Analyser la variabilité.
Le graphique des effets principaux affiche les moyennes ajustées pour les valeurs du prédicteur sur l'axe des X comme suit :
  • S'il s'agit d'un prédicteur de catégorie, le graphique signale par un point la valeur de réponse pour chaque niveau de ce prédicteur. Une ligne relie les points de chaque variable. Minitab trace également une ligne de référence au niveau de la moyenne globale pour les variables de réponse continues et de Poisson.
  • S'il s'agit d'un prédicteur continu, le graphique affiche une ligne représentant la relation continue entre la réponse et le prédicteur.
Remarque

Pour les plans de mélange, les graphiques des effets principaux affichent uniquement les moyennes des données. Pour plus d'informations sur les types de moyennes, reportez-vous à la rubrique Moyennes des données et moyennes ajustées.

Pour les modèles à effets mixtes, les graphiques des effets principaux affichent les moyennes conditionnelles des termes aléatoires. Pour plus d'informations sur les moyennes conditionnelles, reportez-vous à la rubrique Tableau des moyennes conditionnelles.

Résultat principal : graphique des effets principaux

Dans ce graphique des effets principaux, il semble que le temps de frittage 150 soit associé à la plus forte valeur de résistance moyenne. Cependant, les résultats de la fonction Ajuster le modèle linéaire général indiquent que cet effet principal n'est pas statistiquement significatif. Il se peut que la différence entre des niveaux de facteurs soit simplement le fait du hasard.

Le type de métal n° 2 est associé à la plus forte valeur de résistance moyenne et les résultats de la fonction Ajuster le modèle linéaire général indiquent que cet effet principal est statistiquement significatif.

Les résultats de la fonction Ajuster le modèle linéaire général indiquent que l'interaction entre les facteurs TempsFrittage et TypeMétal est statistiquement significative. Aussi, vous ne pouvez pas interpréter les effets principaux sans tenir compte de l'effet d'interaction.

En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique