Ciao!
Sto usando JMP 13 nella tesi del mio master per costruire un modello statistico. Sono nuovo nella costruzione di modelli, quindi mi scuso in anticipo se le mie domande sembrano un po 'elementari, ma qualsiasi tipo di aiuto significherebbe davvero molto per me.
Nella mia tesi di master, ho fatto un Definitive Screening Design (6 fattori + 2 fattori falsi, 7 risposte, 17 esecuzioni) per studiare alcuni processi. Dopo aver completato tutti gli esperimenti e le analisi necessarie, ho analizzato i dati raccolti con due metodologie analitiche proposte da Jones e Nachtsheim nel 2016 (selezione del modello efficace per il metodo DSDs (EMS) o regressione stepwise in avanti (FSR)). Dicono che l'EMS è generalmente preferito, ma l'FSR funziona in modo adeguato se il numero di effetti attivi non supera la metà del numero di analisi e ci sono al massimo due interazioni a due vie attive o al massimo un effetto quadratico attivo (Guida DOE p. 257). Queste condizioni valgono per tutte le nostre risposte.
Ho alcune domande sulla selezione dei fattori per la costruzione del modello con il metodo FSR. Ho fatto la FSR con le seguenti condizioni:
Regola d'arresto: minimo AICc
Direzione: avanti
Regole: Combina
La FSR ha scelto alcuni fattori e ho realizzato un modello con minimi quadrati standard.
Quindi ecco la mia prima domanda:
In Effect Summary (vedi la foto Effect Summary 1 di seguito) ho notato che quel fattore Temp (5,25) ha un PValue 0,16260. So che questo fattore è incluso a causa della regola di combinazione (Temp. è incluso nell'interazione Konc.lakt * Temp. che ha un valore di PV inferiore a 0,05). È necessario per il modello che Temp. è incluso o posso costruire un modello senza di esso, anche se Temp. è incluso nell'interazione? Se Temp. viene rimosso, JMP mi avvisa che Temp. manca.
Ho anche notato che non cambia molto il modello se elimino Temp. come un fattore, che ha senso a causa dell'elevato PValue, che capisco come un segno che il fattore è insignificante. (o mi sbaglio?). Anche i valori PV di altri fattori inclusi sono cambiati, quindi anche il fattore Konc.lakt ha avuto un PValue superiore a 0,05 (dovrei escluderlo anche io?).
Ho confrontato i modelli. (Vedi foto sotto: Attuale per trama prevista 1 per modello ridotto e Reale per trama prevista 2 per modello non ridotto). Ho confrontato il modello con tutti gli effetti sull'immagine Riepilogo effetti 1 e il modello con solo fattori che hanno PValue inferiore a 0,05 (vedi Riepilogo effetti foto 2). I modelli sembrano molto simili, il modello con più effetti inclusi ha un adattamento un po 'migliore (che ha senso), ma non molto, l'analisi residua è anche molto simile e punta da ulteriori esperimenti, che non sono stati usati per creare un modello (blu , stelle viola e verdi) si trovano nelle posizioni simili. È giusto che mantenga gli effetti meno attivi nel modello? Io non la penso così, dal momento che questi effetti non cambiano molto il modello, quindi includerli potrebbe essere fuorviante e potremmo esagerare con il modello. O forse sbaglio?
Se guardo un'altra risposta, dove ottengo solo un fattore con valore inferiore a 0,05, aggiungere un altro fattore al modello migliora il modello un po 'di più rispetto all'esempio precedente (migliore adattamento, analisi residua migliore) ma ancora non molto molto (vedi foto sotto: Attuale per trama prevista 3 per modello non ridotto ed effettivo per trama prevista 4 per modello ridotto). Le cose cambiano se rimaniamo con un solo fattore nel modello ridotto?
Grazie per tutte le vostre risposte e impegno in anticipo.
Danijel
Sì, l'ho fatto per ogni mia misura. Ho anche fatto delle trasformazioni quando era appropriato (dati migliori e analisi dei residui migliori). Cosa ne pensi delle mie altre proposte per migliorare il modello?
Molte volte i test di risposta (misurazioni) vengono eseguiti un numero di volte (3) e la risposta risultante viene mediata per ridurre l'errore apportato dal sistema di misurazione.
Si consiglia inoltre di consultare la Guida JMP per informazioni sulla trasformazione del modello
Montaggio di modelli lineari > Rapporto e opzioni minimi quadrati standard > Factor Profiling > Trasformazione di Box Cox Y
Questo è un buon punto. Penso di sì, ma dovrò controllarlo. La modella sembra molto meglio in altre risposte, ho scelto i due modelli peggiori, perché mi chiedo come potrei migliorare questi modelli. La solidità della risposta è stata misurata per curiosità e dovrebbe essere un metodo analitico buono o cattivo. Immagino che il metodo non sia così buono ...
Stavo anche pensando a cosa si potrebbe fare per migliorare il modello. Immagino che se il metodo analitico è cattivo, non c'è molto da fare oltre alla ripetizione delle misurazioni. Potrei anche provare a costruire un modello con qualche altro metodo rispetto ai minimi quadrati standard, ad esempio la varianza Loglinear? Potrei migliorare il mio modello con altri esperimenti e se sì, come posso scegliere i valori dei fattori che il modello migliorerà di più (se possibile?)? C'è un altro modo per migliorare il modello?
Danijel,
Il tuo metodo di prova per le tue risposte, vale a dire la rotondità e la solidità, hanno capacità adeguate? Se analizzi i tuoi campioni più volte nello stesso giorno e nel tempo, ottieni risultati riproducibili. Sono curioso poiché spesso scopriamo che molti segnali si alzano dal rumore una volta compreso il nostro rumore del metodo di prova.
Per la tua prima domanda, non è una necessità assoluta, ma quella regola di combinazione è intesa a rispettare il principio di Eredità dell'effetto. In genere è una cattiva pratica rimuovere gli effetti principali e lasciare le interazioni che contengono quell'effetto nel modello. Detto questo, se lo rimuovi, stai effettivamente dicendo che l'effetto medio della Temperatura su tutti gli altri livelli di fattore è 0, ma che la dimensione dell'effetto può essere diversa da zero a seconda dei livelli di altri fattori (attraverso il interazioni).
Se i fattori hanno un alto grado di correlazione tra loro, i valori di p possono cambiare drasticamente a seconda di ciò che entra ed esce dal modello. Dato che hai fatto un DSD, i tuoi effetti principali dovrebbero essere completamente ortogonali, quindi non penso che sia quello che sta succedendo Konc.lakt. I livelli alfa non sono sacri. È corretto usare il tuo giudizio se il valore p è marginale.
Un altro consiglio che ti darò è di essere generoso con Alpha per questo tipo di design. I DSD non hanno il massimo potere statistico perché sono in genere progetti molto economici. Sarebbe abbastanza facile tagliare alcuni fattori che in realtà contano. Preferirei essere più che vestito. Il tuo modello sembra vestito in Actual secondo il Predicted 4. È anche una buona idea eseguire esecuzioni di conferma su alcuni punti diversi all'interno dello spazio di progettazione per assicurarsi che il modello fornisca previsioni ragionevoli.
