J'ai essayé de parcourir divers articles sur la façon de gérer les situations de censure des données, mais je n'ai pas réussi à trouver la meilleure façon de gérer ma situation. Alors voilà...
Nous avons effectué une DoE avec trois variables : un type de tensioactif (Surf), une quantité d'eau (Eau) et une quantité de sel (Salt) et la réponse est la « quantité minimale de tensioactif efficace dans le processus (Surf_min). À terme, nous cherchons à développer un modèle qui calcule Surf_min pour un Surf, une Eau et un Sel donnés.
Pour certaines conditions du DoE, nous n’avons pas pu atteindre des concentrations suffisamment élevées pour que le tensioactif soit efficace. Ce nombre pourrait être différent selon les conditions. Pour moi, c’est un cas classique de censure à droite. Maintenant, la question est de savoir comment analyser cet ensemble de données ?
J'ai consulté les discussions du sommet de découverte de 2017 et la publication associée ici. Il semble que je pourrais utiliser la plate-forme « modèle d'ajustement » avec l'option « régression généralisée » avec JMP pro. Je n'ai que le JMP habituel (13.1).
J'apprécierai toute contribution ici. J'apprécierais également que quelqu'un puisse m'indiquer une bonne référence à avoir sur ce sujet afin que je puisse en apprendre un peu plus.
Merci
Cette présentation Découverte est une bonne ressource pour comprendre comment utiliser la régression généralisée dans JMP Pro pour les données censurées. Passez à 19h27 pour une démonstration. Dans ce cas, la réponse est censurée à gauche car certaines observations sont inférieures à la limite de détection.
Merci beaucoup!
A pu faire beaucoup de progrès dans l’analyse.
Si vous disposez de JMP Pro, vous pouvez utiliser Généralisé Régression à travers Analyser > Modèle adapté . Voir le chapitre sur cette analyse dans Aide > Livres > Ajustement de modèles linéaires .
Si vous disposez de JMP, vous pouvez utiliser Survie paramétrique , également à travers Analyser > Modèle adapté . Voir le chapitre sur cette analyse dans Aide > Livres > Fiabilité et survie .
