JMP® Pro および R を使用した最終的スクリーニング計画のためのモデル選択戦略<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />フィリップ・ラムジー博士、North Haven Group、オーナー
マリア・ウィーズ博士、マイアミ大学ファーマー・スクール・オブ・ビジネス分析学助教授
ダグラス モンゴメリー博士、アリゾナ州立大学経営工学および統計学部教授
Jones と Nachtsheim (2011) は、最終的スクリーニング計画 (DSD) と呼ばれる、新しいタイプの高効率な実験計画を導入しました。 設計の高効率と、双方向相互作用および二次効果を推定できる機能により、この設計は実験者にとって魅力的な選択肢となります。 DSD は産業界、特にバイオテクノロジーで普及しつつありますが、これらの設計の分析に対する最適なアプローチに関しては、これまでほとんど研究が行われていません。 この講演では、DSD 実験の結果を分析するためのいくつかの可能なアプローチを評価するための包括的なシミュレーション研究の結果について説明します。 シミュレーション シナリオでは、実験因子の数とアクティブな効果 (主相互作用、二次相互作用、および二元相互作用) の数が異なります。 このシミュレーションでは、考えられる 3 つのモデル選択戦略 (AIC または BIC が選択基準として使用されます) に焦点を当てます。 1. 前方選択。 2. ダンツィヒセレクター。 3. 全サブセット回帰。 これらの技術は、アクティブな効果を検出する能力 (真のアクティブな要因を正確に識別する能力として定義される) と、非アクティブな効果がアクティブであると識別される回数 (タイプ I エラー) および予測の観点から対比され、比較されます。能力。 さらに、JMP Pro を使用した分析化学 (糖鎖プロファイリング) のケーススタディについて、DSD が CCD と並行して実行された場合について説明します。 この議論では、2 つの設計が有効な効果の点でどの程度一致しているかに焦点を当て、これらの設計の分析に関する推奨事項を提供します。 JMP Pro と DSD を使用した最適化についても説明します。
実験計画法予測モデリング
