DOE Wortschatzklärung<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Ich bin es leid, eine nagende Sorge, die ich bezüglich des DOE-Vokabulars hatte, einfach zu ignorieren, da ich mich frage, ob ich ein Konzept nicht vollständig verstehe. Ich finde, dass ALIASING, CORRELATION und CONFOUNDING in vielen Diskussionen auftauchen und manchmal synonym verwendet zu werden scheinen.Zum Beispiel bietet die DOE-Plattform in JMP wunderbare Farbkorrelationskarten, die ich ausgiebig verwende, wenn ich ein potenzielles Design bewerte, aber sie hat auch eine Alias-Matrix. Vielerorts wird der Begriff „Confounding“ eines Haupteffekts mit einer Zwei-Faktor-Wechselwirkung verwendet.
Ich verstehe das Konzept und die Bedeutung von Confounding, das ist der Begriff, den ich am häufigsten verwende, daher bitte ich nicht um eine Diskussion darüber, was das im Zusammenhang mit beispielsweise RES III- versus RES V-Designs ist. Meine Frage bezieht sich auf die genaue Definition jedes dieser drei Begriffe. Wie ich bereits sagte, erwecken sie manchmal den Anschein, als seien sie unterschiedliche Namen für dieselbe Sache, aber ich bin nicht davon überzeugt, dass dies der Fall ist.
Ich würde mich über eine Klarstellung in diesem Punkt freuen. Wenn sie alle dasselbe SIND, warum verwenden wir dann unterschiedliche Begriffe? Wenn nicht, muss ich wirklich die genaue Bedeutung und Verwendung jedes Begriffs verstehen.
Vielen Dank im Voraus.
Betreff: Erklärung des DOE-Vokabulars
Wenn das Design orthogonal ist, sind Ihre Effektschätzungen nicht miteinander korreliert. Wenn das Design nicht orthogonal ist, kann es zu teilweisem Aliasing kommen, in diesem Fall sind einige der Effektschätzungen korreliert: Diese Schätzungen ändern sich je nachdem, ob der andere Effekt im Modell enthalten ist oder nicht, und Sie sehen möglicherweise größere Standardfehler auf Ihrem Effekte, wenn beide im Modell vorhanden sind. Dies bedeutet nicht, dass die Faktoren X1 und X3 korreliert sind (es sei denn, Sie haben einige zugrunde liegende Einschränkungen), aber dass die Art und Weise, wie das Design gewählt wurde, ihre Effektschätzungen korreliert. Die meisten DOE-Bücher erwähnen die Korrelation, wenn es um Effektschätzungen geht, aber wenn Sie den Index durchsuchen, werden Sie mit größerer Wahrscheinlichkeit Aliasing und Verwirrung sehen.
Sie haben immer noch 2 verschiedene Fälle, einen mit partiellem Aliasing:
- Es besteht eine Korrelation zwischen den Haupteffektschätzern von X1 und X3.
- Die Haupteffektschätzungen von X1 und X3 sind teilweise gealiased.
Und eine für vollständiges Aliasing:
- Die Haupteffektschätzungen von X1 und X3 sind vollständig korreliert.
- Die Haupteffektschätzungen von X1 und X3 sind verzerrt.
- Die Haupteffektschätzungen von X1 und X3 sind vollständig aliasiert.
Einige Autoren haben ihre eigene Vorliebe für ihre Terminologie und unterscheiden je nach Kontext nicht zwischen teilweisem und vollständigem Aliasing. In den klassischen Screening-Designs haben Sie es beispielsweise nur mit orthogonal oder vollständig gealiased/confounded zu tun, sodass es nicht ungewöhnlich ist, dass in einem solchen Fall das „vollständig“ weggelassen wird. Das Dokumentationsteam hat hart daran gearbeitet, in den letzten paar (und kommenden) Versionen der DOE-Dokumentation konsistent zu bleiben.
Betreff: Erklärung des DOE-VokabularsWenn ich mich wiederholen darf: Confounding, Aliasing und Korrelation sind NICHT dasselbe.Beim Einrichten eines DOE können die Spaltenzeichen multipliziert werden, und das resultierende Zeichen ist eine weitere Spalte, die für einen anderen Faktor verwendet werden kann.Somit wird dieser Faktor durch die neue Spalte "aliased".Beispielsweise könnten Sie entscheiden, dass eine dreifache Wechselwirkung zwischen X1, X2 und X3 sehr unwahrscheinlich ist, also legen Sie eine Spalte fest, indem Sie die Vorzeichen dieser drei Faktoren multiplizieren, und verwenden Sie die Spalte für einen vierten Faktor.
Verwirrend ist, wenn die Vorzeichen einiger Spalten zufällig gleich sind.Beispielsweise könnten Sie feststellen, dass beim Einrichten der Versuchsmatrix die Interaktionsspalte X1X2 dieselben Vorzeichen wie X2X3X4 haben könnte.Mit anderen Worten, die Wirkung von X1X2 kann nicht von der Wirkung von X2X3X4 getrennt werden – sie sind verwechselt.
Die Korrelation unterscheidet sich dadurch, dass zwei (oder mehr) Faktoren dazu neigen, sich zusammen oder auf entgegengesetzten Pfaden zu bewegen.Denken Sie daran, dass Korrelation nicht „Ursache und Wirkung“ bedeutet.Es kann andere Faktoren geben, die bewirken, dass sich die zwei (oder mehr) korrelierten Faktoren so bewegen, wie sie es tun.
Betreff: Erklärung des DOE-VokabularsWahrscheinlich habe ich meine Frage nicht gut formuliert. Ich verstehe die Farbkorrelationskarten, stelle jedoch fest, dass die drei von mir erwähnten Begriffe in vielen Fällen fast so verwendet werden, als wären sie unterschiedliche Namen für dieselbe Sache.
Sagen diese drei Aussagen genau dasselbe über ein Design aus, das ich möglicherweise erstellt habe?
1) Es besteht eine Korrelation zwischen X1 und X3
2) es gibt eine Verwechslung zwischen X1 und X3
3) X1 und X3 sind aliased
Manchmal habe ich beim Lesen eines Beitrags oder einer Dokumentation gesehen, dass diese Begriffe sogar im selben Absatz vertauscht wurden.
Betreff: Erklärung des DOE-VokabularsUnten sehen Sie ein Bild davon, wie Aliasing/Confounding für kontinuierliche Faktoren mit zwei Ebenen aussieht.Multiplizieren Sie die Vorzeichen der Haupteffekte wie gezeigt, um das entsprechende Vorzeichen für diese Wechselwirkung zu erhalten.* = für Zeile 1 X1*X2 als Beispiel.Wie Sie im Bild sehen können, ist jeder Haupteffekt vollständig mit einem der Wechselwirkungsterme verwechselt, was das oben Gesagte veranschaulicht. Sie könnten also die Wechselwirkungsterme in Ihrem Modell nicht zuverlässig verwenden, wenn Sie wissen, dass es keinen Unterschied zwischen dem Haupteffekt und dem entsprechenden (farbigen) Wechselwirkungsterm gibt.
Betreff: Erklärung des DOE-VokabularsDie Farbkarte für Korrelationen gibt Ihnen eine Vorstellung von der Beziehung zwischen den Effekten in Ihrem Modell und denen, die nicht in Ihrem Modell enthalten sind, aber eine Auswirkung auf die Antwort haben können (Alias-Terme). Zusätzlich zum oben erwähnten DOE-Leitfaden können Sie sich diesen Blog ansehen: Diagramm der Korrelationszellen für den Konstruktionsvergleich in JMP
Das Verwechseln von zwei Effekten bedeutet, dass es keine Möglichkeit gibt, zwischen den beiden Effekten zu unterscheiden. Um diese Effekte zu differenzieren, wären Folgeläufe erforderlich und/oder es müssten Annahmen darüber getroffen werden, welche Effekte vernachlässigbar sind. Sie werden sehen, dass dies auch Aliasing genannt wird, aber ich stelle mir das gerne so vor voll Aliasing. Sie können partielles Aliasing haben, bei dem die Effekte weder orthogonal noch vollständig gealiased/konfundiert sind (denken Sie an Einträge in der Farbkarte für Korrelationen, die nicht 0 oder 1 sind).
Die Alias-Matrix spiegelt den Grad wider, in dem Effekte, die nicht im Modell enthalten sind, die Effektschätzungen verzerren können. Wenn Sie partielles Aliasing für Effekte im Modell haben, sind Ihre Standardfehler für Effektschätzungen größer. Weitere Informationen in diesem Blog: http://blogs.sas.com/content/jmp/2014/06/05/what-is-an-alias-matrix/
Hoffe, das hilft, die Dinge zu klären.
Beifall,
Ryan
Betreff: Erklärung des DOE-VokabularsMeine vereinfachte Denkweise dieser Konzepte ist wie folgt:
Es handelt sich um einen zweistufigen Arbeitsablauf:
Schritt 1: Bewerten Sie ein Design auf das Vorhandensein von Confounding und Aliasing unter allen Effekten, die geschätzt werden sollen. Ich halte diese Aktion und die Phrasen für synonym. So ähnlich wie die Frage: „Bist du schwanger/erwartest du ein Baby?“ … entweder bist du es oder nicht. Das heißt, bei jedem Design ist entweder Confounding/Aliasing für mindestens einen Effekt vorhanden oder nicht. Dann, wenn die Antwort nein ist. Stopp ... es gibt keine Korrelation zwischen zwei Effekten. Lautet die Antwort "Ja, gibt es Verwechslungen oder Korrelationen innerhalb dieses Designs". Fahren Sie dann mit Schritt 2 fort.
Schritt 2: Die nächste logische Frage ist, welche Effekte mit welchen verwechselt oder verfälscht werden? Und wie hoch ist der Grad der Voreingenommenheit, der mit diesen Effekten verbunden ist? Da kommt die Korrelation ins Spiel. Aus diesem Grund finden viele die JMP Color Map on Correlations eine großartige visuelle Hilfe, um ein Design zu bewerten. Die Korrelation ist ein Maß für die Verzerrung, die mit Parameterschätzungen verbunden ist.
Eine Erläuterung dieser Probleme finden Sie in der nativen Hilfe von JMP Version 12 mit der Software, wenn Sie sie einfach über das JMP-Hauptmenü aufrufen:
Hilfe -> Durchsuchen Sie die Hilfe, geben Sie Design Evaluation Window in das Suchfeld ein und wählen Sie das Thema Design Evaluation Window aus.
Betreff: Erklärung des DOE-VokabularsFür mich sind Verwirrung, Aliasing und Korrelation NICHT dasselbe.Beim Einrichten eines DOE können die Spaltenzeichen multipliziert werden, und das resultierende Zeichen ist eine weitere Spalte, die für einen anderen Faktor verwendet werden kann.Somit wird dieser Faktor durch die neue Spalte "aliased".Beispielsweise könnten Sie entscheiden, dass eine dreifache Wechselwirkung zwischen X1, X2 und X3 sehr unwahrscheinlich ist, also legen Sie eine Spalte fest, indem Sie die Vorzeichen dieser drei Faktoren multiplizieren, und verwenden Sie die Spalte für einen vierten Faktor.
Verwirrend ist, wenn die Vorzeichen einiger Spalten zufällig gleich sind.Beispielsweise könnten Sie feststellen, dass beim Einrichten der Versuchsmatrix die Interaktionsspalte X1X2 dieselben Vorzeichen wie X2X3X4 haben könnte.Mit anderen Worten, die Wirkung von X1X2 kann nicht von der Wirkung von X2X3X4 getrennt werden – sie sind verwechselt.
Die Korrelation unterscheidet sich dadurch, dass zwei (oder mehr) Faktoren dazu neigen, sich zusammen oder auf entgegengesetzten Pfaden zu bewegen.Denken Sie daran, dass Korrelation nicht „Ursache und Wirkung“ bedeutet.Es kann andere Faktoren geben, die bewirken, dass sich die zwei (oder mehr) korrelierten Faktoren so bewegen, wie sie es tun.
