実験における有意な効果を判定する方法約60の実験を分析しようとしています。 各実験には多数 (約 30 以上) の異なる連続因子およびカテゴリ因子 (プロセス変数) があり、実験ごとにさまざまな応答 (約 10) が測定されました。 残念ながら、実験は実験計画法のアプローチで行われておらず、通常、2 つの実験の間で変化するのは 1 つの変数だけです (ただし、実験番号 1 と実験番号 60 を比較すると、長期的には多くの変化が生じる可能性があります) ）。
各要因に対する最も重大な影響を決定し、可能であれば効果の大きさも決定するための有用な分析方法はありますか。 現時点では、一度に 2 つの実験を比較して最も重要な効果を理解しようとしているので、これは非常に役立ちます。 また、データ内のパターンを認識することも役立ちます。
よろしくお願いします、ダニエル
Re: 実験における有意な効果の判定方法やあ@Danijel_V 、
実際、プラットフォームはどちらの方法でも使用できます。 多数の潜在的な予測変数を追加し、応答を 1 つだけ追加すると、同じ種類の出力が返されます。 複数の予測変数と複数の応答を含めると、考えられるすべての組み合わせが得られます。
@ジュリアン
Re: 実験における有意な効果の判定方法ご提案ありがとうございます。回答スクリーニングについてさらに詳しく検討してみます。 しかし、私の見解では、回答スクリーニングは主に、どの回答が特定の要素 (1 つだけ) に影響を与えるかを調べることを目的としています。 私は逆の分析、つまりどの要因が特定の反応に最も影響を与えるかという分析に興味があります。 応答以外に同様の方法はありますか?
Re: 実験における有意な効果の判定方法やあ@Danijel_V 、
調べてみましたか反応スクリーニングJMP のプラットフォーム (分析 > スクリーニング > 応答スクリーニング)? 少なくとも、多数の比較の中から有効な効果を検出するプロセスのガイドとして役立ちます (また、誤検出率の補正も役立つと確信しています)。 以下に、機能を説明するウェビナーの録画も含めましたが、プラットフォームについて詳しく調べる際には、上にリンクしたドキュメントを読むことをお勧めします。
@ジュリアン
