Le tableau des informations sur les facteurs affiche les facteurs contenus dans le plan, leur type, le nombre de niveaux et les valeurs de ces niveaux.
Les facteurs sont les variables que vous contrôlez dans l'expérience. Ils sont également appelés variables indépendantes, variables explicatives ou variables de prédiction. Les facteurs n'admettent qu'un nombre limité de valeurs possibles, connues sous le nom de niveaux de facteurs. Les facteurs peuvent avoir des valeurs numériques ou de texte. Les facteurs numériques utilisent quelques valeurs contrôlées dans l'expérience, même si de nombreuses valeurs sont possibles.
Utilisez le tableau d'informations sur les facteurs pour vérifier que vous avez effectué l'analyse tel que prévu.
Dans un modèle linéaire général, les facteurs peuvent être fixes ou aléatoires. En général, si la personne chargée des recherches contrôle les niveaux d'un facteur, celui-ci est fixe. A l'inverse, si la personne chargée des recherches a échantillonné de manière aléatoire les niveaux d'un facteur à partir d'une population, le facteur est aléatoire.
Par exemple, un analyste qualité souhaite étudier les facteurs susceptibles d'avoir une influence sur la résistance du plastique pendant le processus de fabrication. L'analyste intègre à l'expérience les facteurs Additif, Température et Opérateur. L'additif est une variable de catégorie, qui peut être de type A ou B. La température est une variable continue mais l'analyste a l'intention d'intégrer seulement trois réglages de températures dans l'expérience : 100 °C, 150 °C et 200 °C. Sachant que l'analyste contrôle les niveaux de ces deux facteurs dans l'expérience, ils sont fixes tous les deux. D'autre part, l'analyste décide de sélectionner aléatoirement des opérateurs à partir de la population de l'usine. Par conséquent, Opérateur est un facteur aléatoire.
Facteur | Additif | Température | Opérateur |
---|---|---|---|
Type | Fixe | Fixe | Aléatoire |
Niveau | A | Bas (100 °C) | A |
Niveau | B | Moyen (150 °C) | B |
Niveau | Elevé (200 °C) | C |
Les facteurs peuvent être croisés ou emboîtés. On parle de facteurs croisés quand chaque niveau d'un des facteurs agit de manière couplée avec chaque niveau de l'autre facteur. Deux facteurs sont emboîtés lorsque les niveaux d'un facteur sont similaires mais pas identiques, et que chacun est combiné avec les différents niveaux de l'autre facteur.
Par exemple, si un plan contient Machine et Opérateur, ces facteurs sont croisés si tous les opérateurs utilisent toutes les machines. Par contre, le facteur Opérateur est emboîté dans le facteur Machine si chaque machine a un ensemble d'opérateurs distinct.
Dans le tableau des informations sur les facteurs, les facteurs emboîtés sont indiqués entre parenthèses. Par exemple, Opérateur (Machine) indique que Opérateur est emboîté dans Machine.
Pour plus d'informations sur les facteurs, consultez les rubriques Facteurs et niveaux de facteurs, Que sont les facteurs, les facteurs croisés et les facteurs emboîtés ? et Quelle est la différence entre les facteurs fixes et aléatoires ?.
Minitab peut utiliser le schéma de codage (0, 1) ou (−1, 0, +1) pour intégrer des variables de catégorie dans le modèle. Le schéma (0, 1) est celui utilisé par défaut pour l'analyse de régression tandis que le schéma (−1, 0, +1) est celui utilisé par défaut pour l'ANOVA et les plans d'expériences. Le choix entre ces deux schémas ne modifie par la signification statistique des variables de catégorie. En revanche, le schéma de codage modifie les coefficients et la manière de les interpréter.
Vérifiez quel est le schéma de codage affiché pour vous assurer que vous avez effectué l'analyse que vous vouliez. Interprétez les coefficients pour les variables de catégorie de la manière suivante :
Si vous souhaitez normaliser les covariables de votre modèle, Minitab fournit des détails sur la façon de procéder dans le tableau Normalisation d'une covariable.
En général, la normalisation est utilisée pour centrer les variables, les mettre à l'échelle ou les deux. Lorsque vous centrez des variables, vous réduisez la multicolinéarité produite par les termes polynomiaux et d'interaction, ce qui améliore la précision des estimations de coefficients. Dans la plupart des cas, lorsque vous mettez des variables à l'échelle, Minitab convertit les différentes variables sur une échelle commune, ce qui vous permet de comparer les coefficients.
Lorsque vous utilisez une transformation de Box-Cox, la valeur de λ (lambda) estimée est la valeur optimale permettant de générer des valeurs de réponse transformées qui soient distribuées normalement. Par défaut, Minitab utilise la valeur arrondie de lambda.
Lambda est l'exposant utilisé par Minitab pour transformer les données de réponse. Par exemple, si lambda = -1, toutes les valeurs de réponse (Y) sont transformées comme suit : −Y-1 = −1/Y. Si lambda est égal à 0, il représente le logarithme népérien de Y plutôt que Y0.
Les intervalles de confiance pour λ (lambda) sont des étendues de valeurs ayant de fortes chances de contenir la valeur de λ réelle pour l'ensemble de la population dont votre échantillon est issu.
Les échantillons étant aléatoires, il est peu probable que deux échantillons d'une population donnent des intervalles de confiance identiques. Cependant, si vous prenez de nombreux échantillons aléatoires, un certain pourcentage des intervalles de confiance obtenus contiendra le paramètre de population inconnu. Le pourcentage de ces intervalles de confiance contenant le paramètre est le niveau de confiance de l'intervalle.
Utilisez l'intervalle de confiance pour estimer la valeur de lambda pour votre échantillon.
Par exemple, avec un niveau de confiance de 95 %, vous pouvez être sûr à 95 % que l'intervalle de confiance comprend la valeur de lambda pour la population. L'intervalle de confiance vous aide à évaluer la signification pratique de vos résultats. Utilisez vos connaissances spécialisées pour déterminer si l'intervalle de confiance comporte des valeurs ayant une signification pratique pour votre situation. Si l'intervalle est trop grand pour être utile, envisagez d'augmenter votre effectif d'échantillon.
Par défaut, Minitab arrondit la valeur λ (lambda) optimale à 0,5 près, car ces valeurs correspondent à une transformation plus intuitive. Pour utiliser la valeur optimale pour la transformation, sélectionnez .
Lambda | Transformation |
---|---|
-2 | −Y-2 = −1 / Y2 |
-1 | −Y-1 = −1 / Y |
-0,5 | −Y-0,5 = −1 / (racine carrée de Y) |
0 | log (Y) |
0,5 | Y0,5 = racine carrée de Y |
1 | Y |
2 | Y2 |