Valeurs négatives de la conception composite centraleSalut!
Je veux étudier des doses de 6 facteurs à 3 niveaux - 0, 1, 2 pièces. Sans interactions à 2 facteurs confondues avec les effets principaux.
J'ai donc choisi Central Composite Design - Orthogonal avec 9 points centraux et 53 courses, valeur axiale rotative - 2,78. Est-ce le bon choix ?
Ce qui me déroute, c'est que le design généré (outre les valeurs 0, 1, 2) a les valeurs : -1,37841423 et 3,37841423.
3,3 c'est ok, mais comment implémenter la valeur négative -1,37841423 ? Dois-je utiliser 0 pièce dans un tel cas ?
La dernière question est que dans une section d'évaluation de conception dans Alias Matrix et Color Map, il existe des effets tels que X1*X1*X1 et X1*X1. Interaction avec lui-même ? Que signifient-ils et pourquoi en avons-nous besoin ?
Merci beaucoup!
Re : Valeurs négatives de Central Composite DesignMerci, Marc! J'ai choisi CCD car il avait de meilleurs résultats dans Color Map sur la corrélation et Alias Matrix.
J'ai envisagé une conception à 3 niveaux avec 6 facteurs numériques discrets à l'aide de la fonction de conception personnalisée. Voici sa carte des couleurs :
L'autre option était la conception Taguchi L24 :
Et CCD-Orthogonal Rotatif :
Et quand j'utilise "Sur le visage" il y a des carrés rouges :
Le coût n’est pas très élevé, vous pouvez donc effectuer jusqu’à 60 à 70 courses.
Re : Valeurs négatives de Central Composite DesignIl existe plusieurs méthodes de conception qui produiraient une bonne conception pour votre cas de six facteurs et le modèle quadratique pour les effets. Pourquoi avez-vous choisi une conception composite centrale ?
Votre choix des propriétés de rotation et orthogonales a forcé les points axiaux à s'étendre au-delà de la plage de facteurs spécifiée. Vous pouvez plutôt sélectionner « sur le visage ».
Les conceptions orthogonales et rotatives peuvent être coûteuses et ne sont pas nécessaires pour estimer un tel modèle. La présence d'une corrélation entre les estimations gonflera la variance des estimations, mais cette augmentation peut être tolérable si la corrélation est faible, la variance de réponse est faible et les effets sont importants.
La matrice d'alias et la carte de couleurs sur les corrélations fournissent des informations sur le biais de vos estimations par des termes qui ne figurent pas dans le modèle mais qui peuvent représenter des effets actifs.
