실험에서 하나 이상의 요소가 연속적 일 때 많은 조사자가 디자인 영역의 중심에 몇 개의 실행을 추가하려고합니다. 이 연습은 다음 두 가지 작업을 수행합니다.
1) 전체 곡률을 시험 할 수 있습니다.
2) 복제 된 실행을 제공합니다. JMP 오차 분산의 비 편향 추정을 계산할 수있다. Fit Model 플랫폼은 또한 자동 적합성 테스트를 수행합니다.
설계 생성 후 JMP 9에서 센터 런을 추가 할 수 있습니다. 사전 지정은 어떻게 도움이됩니까?
지정하는 부분으로 센터 실행 추가 실험 설계 커스텀 디자이너는 이러한 런을 최적으로 추가 할 수 있습니다. 모든 요소가 연속적이라면 이것은 중요하지 않습니다. 그러나 요인이 범주 적이라면 연속 요인에서 센터 실행의 최적 할당이 디자인을 향상시킬 수 있습니다.
범주 형 요소의 각 수준에 대해 하나의 중심 실행을 추가하는 것이 가장 좋지 않습니까?
놀랍게도 이것은 사실 일 수는 없습니다.
3 개의 공급 업체와 12 개의 실행을 사용하여 주 효과 모델로 조사하려는 5 개의 연속 요인이있는 환경을 상상해보십시오. 당신은 3 개의 러닝을 센터 러닝으로 바꾸기로 결정했습니다. 각 공급자별로 하나의 센터를 운영하지 않는 것이 통계적으로 효율적이라는 것이 밝혀졌습니다.
표 1은 공급 업체에 대한 센터 런의 최적 할당을위한 요인 설정을 보여줍니다.
3 개의 공급 업체 각각에 대해 4 회의 가동이 있으며 공급 업체 C에는 2 개의 센터 런이 있고 공급 업체 B에는 센터 런이 없음을 유의하십시오.
우리는이 설계를 각 공급 업체에 대해 하나의 센터 런을 추가 한 3 개의 공급 업체에 대한 최적의 9 회 실행 설계와 비교할 수 있습니다. 이 디자인은 표 2에서 볼 수 있습니다.
균등 할당에 더 편하게 느껴집니다. 나는 무엇을 잃고 있는가?
첫째, 짝수 할당을 사용한 설계의 경우 설계의 최대 분산이 50 % 이상 커집니다. 또한 예측의 평균 분산은 10 % 이상 커집니다.
그림 1은 중심을 균등하게 배치하는 설계에 대해 추정 계수가 큰 차이를 갖는다는 것을 보여줍니다. 모든 매개 변수에 대해 VIF (분산 인플레이션 팩터)는 중심 런을 균등하게 할당하는 설계에서 더 큽니다.
그림 2는 두 디자인에 대한 열 상관 관계를 비교 한 side-by-side 그래프를 보여줍니다. 센터 런을 균등하게 할당하기위한 설계는 복잡하고 일반적으로 더 높은 열 상관 관계를 가지고 있습니다.
이 예제는 흥미 롭지 만 이런 결과가 일반적입니까?
나는 중심 실행을 블록과 수준의 범주 적 요인에 할당하는 것조차 종종 최적으로 판명 될 것이라고 생각한다. 동일한 시나리오를 12 대신 21 번 실행하면 최적 설계는 공급 업체 당 하나의 센터 런을 할당합니다.
마지막 단어 ...
솔직히, 나는 센터 런을 디자인에 추가하는 것을 크게 좋아하지 않습니다. 특히 디자인을 심사숙고하십시오. 차라리 명확한 선별 검사가하는 것처럼 응답에서 어떤 곡률의 원인을 식별 할 수있을 것입니다. 복제의 경우 관심의 효과를 추정하는 데 도움이되는 포인트를 복제하는 것이 좋습니다. 센터 런은 요격 이외의 다른 매개 변수를 추정하는 데 도움이되지 않습니다.
