D 最適な設計こんにちは、
私は JMP ユーザーですが、次のことに疑問を持っています。
JMP がその重要性をどのように発見するか
D OPTIMAL を実行した後の DOE の効果
デザイン。
たとえば、16 ランのデザインがあり、結果が判明したとします。
13 しか実行できない場合は、D-OPTIMAL を使用できます
どれをスキップするかを確認します。
問題は、それが唯一の方法かどうかわからないことです
を使用する効果に対する重要性を評価します
通常の最小二乗による p 値
回帰。
もしそうなら、非常に単純な考え方だと思いますが、
ベイジアン代替案があるので
そのためには、推定できる以上のことが必要です
欠損値。
このトピックに関するフィードバックは大変感謝いたします。
ありがとう。
Re:D 最適設計こんにちは、ダンさん
ご回答ありがとうございます。 あなたは持つことに熱中しました
欠落を補う場合には細心の注意を払う
価値観。
JMPで試してみましたが、
これらの欠落を補うための合理的なオプション
可能なコントラストを使用してそれらを推定する値
要素 3 や要素 4 など、null とみなされます。
相互作用。
欠損値を代入するこの方法についてどう思いますか? なぜなら
ジョージ JP ボックス氏は、これは良い方法だと主張した。
欠損値を最大 2、最大 3 まで入力します。
これらの値は「作成」されていますが、別の値が使用されています。
影響が少ない適切なテクニックかもしれません
モデル上で。
それについてご意見をいただければ幸いです。
再度、感謝します、
ラフェル
Re:D 最適設計D 最適設計がどのように機能するかを誤解しているようです。 D-Optimal 設計は、指定したモデルに対してのみ作成でき、「スキップする実行を選択する」ことはありません。
たとえば、4 つの因子があり、すべての主効果とすべての二元交互作用を含むモデルを近似したいとします。 これにより、モデル内に 11 個の項が得られます (切片を含む)。 D 最適設計には、少なくとも 11 回の実行が必要です (これは、JMP が設計作成プロセスで提供する最小実行数です)。 D-optimal の D は、反転する必要がある行列の行列式を指すため、これは必須です。
同じ状況で、すべての双方向インタラクションを「必要」ではなく「可能な場合」としてリストすると、最小実行数が 5 に減少することがわかります (インターセプトと主効果のみ)。 これを行うとき、実際には JMP にベイジアン D 最適設計を作成するように指示していることになります。 このような状況では、主効果とすべての双方向交互作用をモデルに当てはめることはできません。 どの双方向インタラクションが「アクティブ」であるとみなされるかを判断するには、順方向段階的回帰 (または JMP が提供するその他の手法) などを使用する必要があります。
おそらくあなたの質問は、すべての主効果とすべての二元交互作用の推定を可能にする 16 回の実行 D 最適計画に関するものですが、何らかの理由で 3 回の実行が完了しません。 この状況では、必要な 11 回の実行よりも多い 13 回の実行が必要になります。 したがって、通常の最小二乗回帰が機能し、すべてのパラメーターのテストが行われます。 残念ながら、この設計は 13 回の実行には最適ではなく、16 回の実行には最適です。 したがって、パラメーター推定値の多重共線性が高く、パラメーター推定値の分散が大きくなる可能性があります。 これは JMP の制限ではなく、最小二乗回帰の制限であり、設計が当初のレイアウトどおりに完了しないことによる制限です。
JMP はそのような状況に代わるものを提供します。 欠損値を代入できます。 多重共線性と欠損値を別の方法で処理する代替モデリング手法 (PLS、ニューラル ネットワーク、パーティション モデルなど) を試すことができます。 JMP Pro にアクセスすると、これらの状況を別の方法で処理するためにモデルをフィッティングするためのさらに多くのオプションがあります。
ただし、特に欠損値を代入する場合には、大きな注意が必要です。 これが計画された実験の場合、各試行は結果に大きな影響を与えるように選択されます。 結局のところ、最小限のデータ ポイントで最大限の情報を取得しようとしているのです。 計画された実験に値を代入することはお勧めしません。値を正確に代入するための適切な構造を決定するためのデータがあまりなく、「でっち上げられた」結果がモデルに大きな影響を与えるためです。
