He intentado leer varias publicaciones sobre cómo lidiar con situaciones de censura de datos, pero no he podido descubrir la mejor manera de lidiar con mi situación. Asi que aqui esta...
Realizamos un DoE con tres variables: un tipo de surfactante (Surf), cantidad de agua (Agua) y cantidad de sal (Sal) y la respuesta es la 'cantidad mínima de surfactante que es efectiva en el proceso (Surf_min). En última instancia, buscamos desarrollar un modelo que calcule Surf_min para un determinado Surf, Agua y Sal.
Para algunas de las condiciones en el DoE, no podríamos ir a concentraciones suficientemente altas donde el surfactante sea efectivo. Este número podría ser diferente bajo diferentes condiciones. Para mí este es el caso clásico de censura correcta. Ahora, la pregunta es ¿cómo analizo este conjunto de datos?
He visto las conversaciones de la cumbre de descubrimiento de 2017 y la publicación relacionada aquí. Parece que podría usar la plataforma 'fit model' con la opción 'regresión generalizada' con JMP pro. Solo tengo el habitual JMP (13.1).
Apreciará cualquier entrada aquí. También agradecería que alguien me señalara una buena referencia sobre este tema para que pueda aprender un poco más.
Gracias
Esta presentación de Discovery es un buen recurso para comprender cómo usar la regresión generalizada en JMP Pro para datos censurados. Salta a las 19:27 para una demostración. En este caso, la respuesta se censura a la izquierda porque algunas observaciones están por debajo del límite de detección.
¡Muchas gracias!
Fue capaz de hacer mucho progreso en el análisis.
Si tienes JMP Pro, entonces puedes usar Generalized Regresión mediante Analizar > Modelo de ajuste . Vea el capítulo sobre este análisis en Ayuda > Libros > Montaje de modelos lineales .
Si tienes JMP, entonces puedes usar Supervivencia paramétrica también a través de Analizar > Modelo de ajuste . Vea el capítulo sobre este análisis en Ayuda > Libros > Fiabilidad y Supervivencia .
