<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />저는 DOE 설계 평가의 상관관계 도표에 대한 색상 지도에 대한 질적인 설명을 제시하려고 노력하고 있습니다.지금까지 내가 가장 잘 설명하는 것은 두 가지 효과가 얼마나 구별되는지를 나타내는 척도라는 것입니다.예를 들어 아래 상관관계 도표의 경우 주효과 x1과 x2는 상관 관계가 없지만 효과 x1*x1과 x2*X2는 0.5에 가까운 상관 값을 갖는다고 말할 수 있습니다.
이것이 x2*x2 효과(또는 적합 계수)의 에너지 중 50%가 잠재적으로 x1*x1 효과로 흘러 들어갈 수 있고 그 반대의 경우도 가능하다는 것을 의미한다고 말하면 현실에 얼마나 가까울까요?이는 예측의 분산과 신뢰 구간을 증가시킵니다.
어떻게 설명하시겠습니까?
미리 감사드립니다.
직교
나는 DOE 전문가에게 확인했는데, 그 사람은 응답 아래에 있습니다. 내 해석: 결론은 상관 행렬의 숫자를 정량적으로 해석할 수 없다는 것입니다. 이는 "실제" 측정값(별칭 행렬 및 분산 인플레이션 요인)에서 문제를 찾을 수 있는 위치만 제안합니다. 그 이유는 상관 행렬은 설계 행렬에 전치를 곱한 값을 기반으로 하지만 추정은 그 역행렬을 기반으로 하기 때문입니다. 행렬이 매우 희박한 경우에만 숫자가 추정에서 직접적으로 일치합니다. 이 경우 역은 간단하기 때문입니다.
상관관계에 대한 색상 맵은 디자인 매트릭스(데이터 테이블을 만들기 전에 X 매트릭스 저장을 선택한 경우 테이블 속성)에서 발생하는 상관관계이며 디자인이 얼마나 비직교적인지 확인하는 데 유용합니다. 이러한 상관관계가 어떻게 나타나는지 정량화하려면 효과를 처리하는 방법에 따라 달라집니다. 설계 평가를 살펴보세요.
항이 모두 모델에 있는 경우 해당 효과 추정치와 예측 분산의 분산이 증가합니다. 완벽하게 직교하는 설계(존재하지 않을 수 있음)와 비교하여 효과 추정치의 차이를 확인하려면 설계 평가에서 분산을 검토하세요. 인플레이션 요인(JMP 10) 또는 추정 효율성(JMP 11).
효과가 추정되지 않으면 추정된 효과에 편향이 발생합니다. 효과가 어떻게 편향되는지는 설계 평가 아래의 Alias Matrix를 통해 확인할 수 있습니다.
Goos and Jones(2011)의 2장에 이에 대한 아주 좋은 논의가 있습니다.
상관관계에 대한 색상 맵은 디자인의 직교성을 시각적으로 보여주는 데 적합하지만(상관관계를 메트릭으로 사용할 수도 있음) 앨리어싱과 추정 효율성 모두 (전치(X) * X)의 역수를 포함합니다. 그러한 방식으로 정량화하려면 다른 진단 방법을 살펴봐야 합니다.
