DOE design completo fattoriale con parziale scarsità di risultatiCarissimi.
Buona giornata. Sono un principiante per DOE e recentemente ho creato un completo tavolo fattoriale per eseguire il mio test di elettroplaccatura. Tuttavia durante la preparazione del campione ho scoperto che alcuni parametri hanno prodotto una cattiva qualità visiva che non è giustificata per misurare le risposte. Alla fine alcune gambe create da tabelle JMP non hanno risultati.
Va bene lasciare vuoto se nessun risultato disponibile? Posso ancora utilizzare il "fit model" per analizzare questo set di dati incompleto? Qual è la conseguenza facendo così?
O dovrei rimuovere le righe che non hanno risultati ed eseguire "fit model"?
Grazie mille.
* Si prega di fare riferimento all'allegato per il file JMP
Re: DOE design completo fattoriale con parziale scarsità di risultatiGrazie Marco. Misurerò di nuovo quei cattivi campioni e cercherò di eseguirlo di nuovo.
Re: DOE design completo fattoriale con parziale scarsità di risultatiHo notato alcune cose con il tuo studio.
- Hai molte corse, quindi dovresti avere molto potere per cominciare. L'omissione di alcune corse non dovrebbe influire in modo drammatico sul tuo potere.
- Il modello per Metal% mostra una forte mancanza di adattamento. Le previsioni di questo modello saranno di parte e probabilmente molto imprecise.
- Ho provato ad aggiungere termini quadratici per tenere conto della mancanza di adattamento, probabilmente di non linearità nella risposta. Il rapporto di singolarità risultante indica che i dati non supportano la stima di questi parametri. Questo risultato va al mio punto precedente sulla mancanza di alcune osservazioni potrebbe proibire la stima di alcuni parametri.
- Le righe omesse coprono le condizioni con una bassa concentrazione e la metà superiore dell'intervallo corrente. Sono state omesse tutte le corse con queste condizioni? Questi dati possono essere aggiunti o rieseguiti?
Re: DOE design completo fattoriale con parziale scarsità di risultatiPrima di tutto, un risultato negativo non è necessariamente una cattiva risposta. Un DOE dovrebbe esplorare il più possibile lo spazio fattore. È probabile, anche desiderabile, che alcune condizioni producano risultati negativi in modo che il modello risultante (l'unico scopo di un esperimento) sia quindi in grado di prevedere l'intera gamma della risposta, compresi i risultati positivi e negativi. Ti incoraggerei a completare le analisi con la cattiva qualità visiva e includere questi dati nell'analisi del tuo esperimento.
In secondo luogo, in ogni caso di dati mancanti, non è necessario eliminare queste righe. Puoi se vuoi, ma non è necessario. JMP si comporterà di conseguenza.
In terzo luogo, la perdita di dati comprometterà l'analisi in una certa misura. È difficile essere specifici perché la perdita dipende sia dal numero di valori mancanti che dalle condizioni che non sono state osservate. Alcuni compromessi includono la perdita di potenza nei test di ipotesi sul modello e sui parametri del modello o la capacità di stimare alcuni parametri.
