Ho provato a leggere vari post su come gestire le situazioni di censura dei dati, ma non sono riuscito a capire il modo migliore per affrontare la mia situazione. Quindi eccolo qui...
Abbiamo condotto una DoE con tre variabili: un tipo di tensioattivo (Surf), quantità di acqua (Water) e quantità di sale (Salt) e la risposta è l'importo minimo di tensioattivo efficace nel processo (Surf_min). Infine stiamo cercando di sviluppare un modello che calcoli Surf_min per un dato surf, acqua e sale.
Per alcune delle condizioni previste dalla DoE, non siamo riusciti ad arrivare a concentrazioni sufficientemente elevate in cui il tensioattivo è efficace. Questo numero potrebbe essere diverso in condizioni diverse. Per me questo è il classico caso di censura giusta. Ora, la domanda è: come posso analizzare questo set di dati?
Ho esaminato i colloqui del Discovery Summit del 2017 e i relativi post qui. Sembra che potrei utilizzare la piattaforma "fit model" con l'opzione "regressione generalizzata" con JMP Pro. Ho solo il solito JMP (13.1).
Apprezzerò qualsiasi input qui. Apprezzerei anche se qualcuno potesse indicarmi un buon riferimento da avere su questo argomento in modo che io possa imparare un po' di più.
Grazie
Questa presentazione di Discovery è una buona risorsa per comprendere come utilizzare la regressione generalizzata in JMP Pro per i dati censurati. Passa alle 19:27 per una dimostrazione. In questo caso la risposta viene censurata a sinistra perché alcune osservazioni sono al di sotto del limite di rilevamento.
Grazie mille!
È stato in grado di fare molti progressi nell'analisi.
Se disponi di JMP Pro, puoi utilizzare Generalizzato Regressione Attraverso Analizzare > Modello adatto . Vedi il capitolo su questa analisi in Aiuto > Libri > Adattamento di modelli lineari .
Se hai JMP, puoi usare Sopravvivenza parametrica , anche attraverso Analizzare > Modello adatto . Vedi il capitolo su questa analisi in Aiuto > Libri > Affidabilità e sopravvivenza .
