決定的スクリーニング計画の2値応答を分析の例

品質エンジニアがプレッツェルの製造工程を改善したいと考えているとします。カラーは、品質における重要な特性です。エンジニアは決定的スクリーニング計画を使用して、プレッツェルの色に影響を与える可能性のある潜在因子を決定します。実験では、検査者はプレッツェルの小ロットを適合/不適合カテゴリにすばやく並べ替えます。

  1. 標本データを開く、 プレッツェルのカラー.MTW#.
  2. 統計 > 実験計画法(DOE) > スクリーニング > 2値応答の分析を選択します
  3. 事象名(V)で、事象を入力します。
  4. 事象数合格基準の色を入力します。
  5. 試行回数試行を入力します。
  6. をクリックします。
  7. 次の項を含むで、完全2次を選択します。OKをクリックします。
  8. ステップワイズをクリックします。
  9. 方法で、前方情報基準を選択します。
  10. 各ダイアログボックスでOKをクリックします。

結果を解釈する

パレ―ト図には、補正赤池情報量基準(AICc)に合わせて最適なモデルの項のバーが表示されます。モデルには、焼き上げ時間(E)と焼き上げ温度2(H)の2つの主効果があります。このモデルには、焼き上げ時間の二乗項と2つの因子間の交互作用項が含まれています。

エンジニアは、このモデルが、工程に関する自分の知識と一致していることを理解できるでしょう。エンジニアは、このモデルを使用して、さらなる実験を計画することを決定します。

方法

リンク関数Logit
使用中の行50

項の前方選択

達成された最小AICc = 243.23

応答情報

変数計数事象名
合格基準の色事象4235事象
  非事象765 
試行合計5000 

コード化係数

係数係数の標準誤差VIF
定数2.3940.145 
焼き上げ時間0.73490.05381.11
焼き上げ温度20.54510.05411.20
焼き上げ時間*焼き上げ時間-0.3840.1531.04
焼き上げ時間*焼き上げ温度2-0.51060.05621.24

連続予測変数のオッズ比

変更ユニットオッズ比95%信頼区間
焼き上げ時間2*(*, *)
焼き上げ温度215*(*, *)
交互作用項に含まれる予測変数のオッズ比は、交互作用項の他の予測変数の値に依存するため、計算されません。

モデル要約

逸脱
(deviance)
R二乗
逸脱
(deviance)
R二乗 (調整済み)
AICAICc(修正済み
赤池情報量基準)
BIC(ベイズ
情報量基準)
95.81%95.29%241.87243.23251.43

適合度検定

検定自由度カイ二乗p値
逸脱 (deviance)4532.280.922
ピアソン4531.930.929
Hosmer-Lemeshow87.100.526

分散分析

要因自由度調整偏差調整平均カイ二乗p値
モデル4737.452184.363737.450.000
  焼き上げ時間1203.236203.236203.240.000
  焼き上げ温度21100.432100.432100.430.000
  焼き上げ時間*焼き上げ時間16.7706.7706.770.009
  焼き上げ時間*焼き上げ温度2180.60580.60580.610.000
誤差4532.2760.717   
合計49769.728     

非コード化単位の回帰式

P(事象)=exp(Y')/(1 + exp(Y'))
Y'=-11.984 + 3.361 焼き上げ時間 + 0.08740 焼き上げ温度2 - 0.0961 焼き上げ時間*焼き上げ時間 - 0.01702 焼き上げ時間*焼き上げ温度2

異常な観測値の適合値と診断

観測値観測された確率適合値残差標準化残差
10.98000.93762.02982.13R
70.98000.93961.95812.00R
240.90000.9497-2.0182-2.15R
R  大きな残差