タグチ混合物の配列？<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
私の同僚たちの中には、混在DOEにTaguchi配列を使用している人もいます。 あなたの意見では、適切な混合DOEを使用するのではなく、3つのレベルで3つの成分に対してL9デザインを使用することによって生じる可能性がある最大の間違いは何ですか？
再：田口混合物の配列？「混合問題でのタグチL9の使用は、実際にはDOEの誤用、または少なくとも混合コンテキストにおけるDOE原則の不適切な適合です」 - joe.n.hockman
私は上記のあなたの言葉に完全に同意します、ジョー。
再：田口混合物の配列？それが価値があるかもしれないもののために、私はこれに関して私の意見を申し出ます。 大部分はDanOに同意します。 Taguchi L9の使用は、3つのコンポーネントが混在する状況では意味がありません。 DanOが正しく指摘しているように、3つの（独立した）連続因子が定義されている場合、成分比率が一定になるようにしなければならないという全体的な混合の制約は 明示的に定義されていない4つ目のコンポーネント（通常はスラック変数と呼ばれる）があっても、L 9には、スラック変数または4つ目のコンポーネントが計算されると、実行不可能なブレンドによる実行が含まれる場合があります。
L9が明確に定義された空間を満たす4つの要素空間に変換されるというシナリオの下では、全体の定数を含む3つの要素について通常の2次モデルのように見えるスラック変数モデルでデータを分析できます。、線形効果および2次項はありますが、2方向相互作用項はありません。 DanOとは少し違いますが、除外された4番目のコンポーネントはそのようなモデルに適合するために不活性である必要はありません。 おそらくそれが不活性であれば、通常の回帰係数または効果の解釈可能性はいくらか保たれていると言えるでしょう。 しかしながら、スラック変数モデルは効果の解釈可能性を制限しているか、あるいは全く解釈できません。 混合物の文脈において成分が「不活性」であることが何を意味するのかを考慮しなければならない。 ここでは説明しません。 一般的にプロットや予測プロファイラーに焦点を当て、スラック変数アプローチによる回帰係数出力の解釈可能性には注意を向けないで、問題ないはずです。
おそらく最も厄介なのは、Scheffeモデリングのコンテキスト（JMPがサポートするもの）における非線形ブレンディング効果が、通常の2方向相互作用のように見える用語であることです。 二次項のように見える項（L9がサポートできるもの）は、非線形混合効果と実際には同じものではないことが正しく指摘されました。 したがって、私の意見では、混合問題でのタグチL9の使用は、実際にはDOEの誤用、または少なくとも混合という文脈におけるDOEの原則の不適切な適用です。 ほとんどすべての場合において、混合問題は、コンポーネントの制約がない、またはゼロ以外の下限の制約のみが通常のシンプレックスジオメトリが適用されている場合でも、混合DOEとして明示的に扱う必要があります。 この入力が役に立つことを願っています。
再：田口混合物の配列？ありがとう、ダン。私は今、私が教えようとしていることをバックアップするのに十分な情報を持っています。 そもそも正しいデザインから始めるのはずっと簡単でしょう。
再：田口混合物の配列？モデル内のすべての要素を連続因子として指定した状態で、混合モデルを分析している人々には多少興味があります。1を追加するコンポーネントの線形制約はJMPで特異点の詳細警告を与えるはずです。モデル項の1つはゼロにされ、他はBiasedとしてリストされるかもしれません。たぶんそれらのことは無視されていますが、それらは無視されるべきではありません。とにかく、混合物の構成要素として指定されたものを持つことは良いことです。なぜならプロファイラはブレンドを1に加えるように強制し、「不可能なブレンド」を起こさせないからです。
プロファイラが曲率を表示しない理由は、フィットしたモデルによって異なります。
モデルの項を見てください。機能的形態のうちのどれかは曲率を示すか。そうでなければ、プロファイラは曲率を表示しません。ただし、混合モデルを扱うときは、状況が異なります。人々がそれらを見ることを期待するように二次Scheffe混合モデルは少しの二乗項も示さないでしょう。Scheffeモデルでは、X 1 * X 2は実際には2次項です。同様に、X 1 * X 2 * X 3は3次項です。そのため、モデルにこれらの項がある場合、それらのバイナリブレンドの項が有意でない限り、予測プロファイラに曲率が表示されます。
再：田口混合物の配列？ダン、
私は間違いなく3つの段落すべてであなたの説明が好きです。
私が同僚が彼らのデータを分析するのを手伝うほとんどの場合、デザインはTaguchi配列デザインとしてJMPに設定されませんでした。 そのため、JMPファイルを受け取ると、すべての混合物は合計が100％になる連続変数として指定されます。
私は、すべての混合係数が混合ロールに適切に設定されているときと連続しているときの回帰分析を比較しました。 このようにプロファイラーを使って予測の違いを示すことができます。
では、予測プロファイラーが曲率を示していない理由に混乱している人々に何を言いますか？
再：田口混合物の配列？あなたのシナリオでは、定式化には実際に4つのコンポーネントがあると仮定していますが、Taguchi L9デザインを作成するときに3つのコンポーネントを使用します（これが唯一の方法です）。この4番目のコンポーネント（デザインに含まれていない）が無効である限り、この方法に問題はありません。あなたは「標準的な」回帰分析を実行することができ（Scheffe混合モデルは必要とされないでしょう）、そしてその解釈はかなり簡単です。ただし、デザインスペースは、ストレートミックスデザインを作成した場合とは形状が異なる場合があります。
ほとんどの混合実験では、目的は応答の良い予測を得ることです（原因と結果の結論は実際には意味がありません。コンポーネントAが上がっているのか、コンポーネントBが下がっているのでしょうか？）。Taguchi L9デザインは、双方向の相互作用を推定することを目的としていません。これは予測能力を厳しく制限し、双方向の相互作用は混合シナリオで非常に一般的です（それは物事を一緒にブレンドすることの背後にある全体のアイデアです）。
私の意見では、もっと伝統的なデザインが望まれるならば、私は3つの要素に対する応答曲面デザインをお勧めし、不活性要素が残りの定式化を構成するようにします。これで良い予測ができます。ただし、このような状況では、カスタムデザイナーによる4つすべての成分の最適混合計画は、通常、予測のための数学的特性が向上し、実行回数が少なくなります。
再：田口混合物の配列？修正 - 衝突 EA 推測
