DOE 어휘 설명<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />나는 개념을 완전히 이해하지 못하는지 궁금하기 때문에 DOE 어휘에 대해 가지고 있던 잔소리를 무시하는 데 지쳤습니다. ALIASING, CORRELATION 및 CONFOUNDING이 많은 토론에서 나타나며 때로는 같은 의미로 사용되는 것처럼 보입니다.예를 들어 JMP의 DOE 플랫폼은 잠재적 설계를 평가할 때 광범위하게 사용하는 멋진 색상 상관 관계 맵을 제공하지만 별칭 행렬도 있습니다. 많은 곳에서 주효과와 2요인 상호작용의 "교란"이라는 용어가 사용됩니다.
나는 내가 가장 자주 사용하는 용어인 혼란의 개념과 중요성을 이해하므로 예를 들어 RES III 대 RES V 디자인의 맥락에서 그것이 무엇인지에 대한 논의를 요구하지 않습니다. 제 질문은 이 세 용어 각각의 정확한 정의에 관한 것입니다. 내가 말했듯이, 그들은 때때로 같은 것에 대해 다른 이름인 것처럼 보이지만 나는 그것이 사실인지 확신하지 못합니다.
이 점에 대해 설명해 주시면 감사하겠습니다. 그것들이 모두 같은 것이라면 왜 우리는 다른 용어를 사용합니까? 그렇지 않은 경우 각 용어의 정확한 의미와 사용법을 이해해야 합니다.
미리 감사드립니다.
회신: DOE 어휘 설명
설계가 직교인 경우 효과 추정값은 서로 관련이 없습니다. 설계가 직교하지 않으면 일부 부분 별칭이 있을 수 있습니다. 이 경우 효과 추정치 중 일부는 상관관계가 있습니다. 이러한 추정치는 다른 효과가 모델에 있는지 여부에 따라 변경되며, 모델에서 더 큰 표준 오류를 볼 수 있습니다. 둘 다 모델에 있는 경우 효과. 이것은 요인 X1과 X3이 상관관계가 있다는 것을 의미하지는 않지만(일부 기본 제약 조건이 없는 경우) 설계가 선택된 방식에 따라 효과 추정치가 상관관계가 있음을 의미합니다. 대부분의 DOE 책은 효과 추정치를 논의할 때 상관 관계를 언급하지만 인덱스를 검색하면 별칭과 교란을 볼 가능성이 더 큽니다.
여전히 두 가지 다른 경우가 있습니다. 하나는 부분적 앨리어싱이 있는 것입니다.
- X1과 X3의 주효과 추정치 사이에는 상관관계가 있습니다.
- X1 및 X3의 주효과 추정치는 부분적으로 앨리어싱됩니다.
그리고 완전한 앨리어싱을 위한 것:
- X1과 X3의 주효과 추정치는 완전히 상관관계가 있습니다.
- X1과 X3의 주효과 추정치가 교락되어 있습니다.
- X1 및 X3의 주효과 추정치는 완전히 앨리어싱됩니다.
일부 작성자는 용어에 대한 고유한 선호도가 있으며 문맥에 따라 부분적 앨리어싱과 전체 앨리어싱을 구분하지 않습니다. 예를 들어, 고전적인 스크리닝 디자인에서는 직교 또는 완전히 앨리어스/교란된 경우만 처리하므로 이러한 경우에 "완전히"가 떨어지는 것을 보는 것은 드문 일이 아닙니다. 문서화 팀은 DOE 문서의 마지막 몇 가지(및 향후) 버전에서 일관성을 유지하기 위해 열심히 노력해 왔습니다.
회신: DOE 어휘 설명반복하자면 교란, 앨리어싱, 상관관계는 동일하지 않습니다.DOE를 설정할 때 열 기호를 곱할 수 있으며 결과 기호는 다른 요소에 사용할 수 있는 다른 열이 됩니다.따라서 해당 요소는 새 열에 의해 "별칭"됩니다.예를 들어, X1, X2, X3 사이의 3원 상호 작용이 매우 가능성이 낮다고 판단할 수 있으므로 이러한 세 요인의 부호를 곱하여 열을 설정하고 이 열을 4번째 요인에 사용합니다.
혼란스러운 것은 일부 열의 부호가 동일하게 발생하는 경우입니다.예를 들어 시행 행렬을 설정할 때 상호 작용 열 X1X2가 X2X3X4와 동일한 부호를 가질 수 있음을 알 수 있습니다.즉, X1X2의 효과는 X2X3X4의 효과와 분리할 수 없습니다.
상관 관계는 두 가지(또는 그 이상) 요인이 함께 이동하거나 반대 경로로 함께 이동하는 경향이 있다는 점에서 다릅니다.상관 관계는 "원인과 결과"를 의미하지 않는다는 점을 기억하십시오.2개(또는 그 이상)의 상관된 요인이 움직이는 방식으로 움직이게 하는 다른 요인이 있을 수 있습니다.
회신: DOE 어휘 설명제 질문을 잘 표현하지 못한 것 같습니다. 나는 색상 상관 관계 지도를 이해하지만 많은 경우에 내가 언급한 세 가지 용어가 마치 같은 것을 다른 이름으로 사용하는 것처럼 사용됩니다.
특히, 이 세 가지 진술은 모두 내가 만들었을 수 있는 일부 디자인에 대해 동일한 내용을 말하고 있습니까?
1) X1과 X3 사이에 상관관계가 있습니다.
2) X1과 X3 사이에 혼동이 있습니다.
3) X1 및 X3은 앨리어싱됩니다.
때때로 게시물이나 일부 문서를 읽을 때 같은 단락에서도 이러한 용어가 서로 바뀌는 것을 보았습니다.
회신: DOE 어휘 설명아래는 2단계 연속 요인에 대한 별칭/교란이 어떻게 보이는지 보여주는 그림입니다.표시된 대로 주효과의 부호를 곱하여 해당 상호작용에 해당하는 부호를 얻습니다.* = 예를 들어 행 1 X1*X2의 경우.그림에서 볼 수 있듯이 각 주요 효과는 위에 언급된 것을 설명하는 상호 작용 용어 중 하나와 완전히 혼동됩니다. 따라서 주효과와 해당(색상) 상호작용 항 사이에 차이가 없다는 것을 알면서 모델에서 상호작용 항을 안정적으로 사용할 수 없습니다.
회신: DOE 어휘 설명상관 관계에 대한 컬러 맵은 모델의 효과와 모델에 없는 효과 사이의 관계에 대한 아이디어를 제공하지만 응답에 영향을 미칠 수 있습니다(별칭 용어). 위에서 언급한 DOE 가이드 외에도 다음 블로그를 살펴볼 수 있습니다. JMP에서 설계 비교를 위한 상관관계 셀 도표
두 효과의 교란은 두 효과를 구별할 방법이 없음을 의미합니다. 이러한 효과를 구별하기 위해 후속 실행이 필요하며 무시할 수 있는 효과에 대한 가정이 필요합니다. 이것을 앨리어싱이라고도 부르지만 저는 이것을 다음과 같이 생각하고 싶습니다. 가득한 앨리어싱. 효과가 직교하지도 않고 완전히 앨리어스/교란되지도 않는 부분 앨리어싱을 가질 수 있습니다(0 또는 1이 아닌 상관 관계에 대한 색상 맵의 항목을 생각해 보십시오).
별칭 매트릭스는 모델에 없는 효과가 효과 추정치를 편향시킬 수 있는 정도를 반영합니다. 모델의 효과에 대한 부분 별칭이 있는 경우 효과 추정치에 대한 표준 오류가 더 큽니다. 이 블로그의 추가 정보: http://blogs.sas.com/content/jmp/2014/06/05/what-is-an-alias-matrix/
상황을 명확히하는 데 도움이되기를 바랍니다.
건배,
라이언
회신: DOE 어휘 설명이러한 개념에 대한 나의 단순한 사고 방식은 다음과 같습니다.
2단계 워크플로우가 관련됩니다.
1단계: 추정하려는 효과 사이에 교란 및 앨리어싱이 있는지 설계를 평가합니다. 나는 이 행동과 문구가 동의어라고 생각합니다. "임신했거나 아기를 기대하고 있나요?"라고 묻는 것과 비슷합니다. 즉, 어떤 디자인이든 적어도 하나의 효과에 대해 교란/앨리어싱이 있거나 그렇지 않습니다. 그런 다음 대답이 '아니오'인 경우. 그만...두 효과 사이에는 상관관계가 없습니다. 대답이 "예, 이 설계 내에 교란 또는 상관 관계가 있습니다."인 경우. 그런 다음 2단계로 진행합니다.
2단계: 다음 논리적 질문은 어떤 효과가 어떤 효과와 혼동되거나 앨리어싱되는가입니다. 그리고 이러한 효과와 관련된 편견의 정도는 무엇입니까? 상관 관계가 들어오는 곳입니다. 그렇기 때문에 많은 사람들이 JMP Color Map on Correlations가 설계를 평가하는 데 큰 시각적 도움이 된다고 생각합니다. 상관관계는 매개변수 추정치와 관련된 편향의 척도입니다.
JMP 기본 메뉴에서 호출하는 경우 소프트웨어의 JMP 버전 12 기본 도움말에 이러한 문제에 대한 설명이 있습니다.
도움말 -> 도움말을 검색하고 검색 필드에 디자인 평가 창을 입력하고 디자인 평가 창 항목을 선택합니다.
회신: DOE 어휘 설명나에게 혼란, 앨리어싱 및 상관 관계는 동일하지 않습니다.DOE를 설정할 때 열 기호를 곱할 수 있으며 결과 기호는 다른 요소에 사용할 수 있는 다른 열이 됩니다.따라서 해당 요소는 새 열에 의해 "별칭"됩니다.예를 들어, X1, X2, X3 사이의 3자간 상호작용이 있을 가능성이 매우 낮다고 판단하여 이 세 요인의 부호를 곱하여 열을 설정하고 이 열을 4번째 요인에 사용할 수 있습니다.
혼란스러운 것은 일부 열의 부호가 동일하게 발생하는 경우입니다.예를 들어 시행 행렬을 설정할 때 상호 작용 열 X1X2가 X2X3X4와 동일한 부호를 가질 수 있음을 알 수 있습니다.즉, X1X2의 효과는 X2X3X4의 효과와 분리할 수 없습니다.
상관 관계는 두 가지(또는 그 이상) 요인이 함께 이동하거나 반대 경로로 함께 이동하는 경향이 있다는 점에서 다릅니다.상관 관계는 "원인과 결과"를 의미하지 않는다는 점을 기억하십시오.2개(또는 그 이상)의 상관된 요인이 움직이는 방식으로 움직이게 하는 다른 요인이 있을 수 있습니다.
