실험에서 유의미한 영향을 결정하는 방법약 60개의 실험을 분석하려고 합니다. 각 실험에는 다양한 연속 및 범주형 요인(공정 변수)이 많이(약 30개 이상) 있으며 모든 실험에 대해 다양한 응답(약 10개)이 측정되었습니다. 유감스럽게도 실험계획법으로 실험을 한 것이 아니라 두 실험 사이에 변수 하나에만 변화가 생기는 것이 일반적입니다(그러나 장기적으로 실험 1번과 60번을 비교하면 많은 변화가 있을 수 있습니다. ).
각 요인에 대한 가장 중요한 영향을 결정하고 가능한 경우 효과 크기도 결정하는 데 유용한 분석 방법이 있습니까? 한 번에 두 가지 실험을 비교하여 가장 중요한 효과를 파악하려고 노력하고 있기 때문에 정말 많은 도움이 될 것입니다. 또한 데이터의 패턴을 인식하는 것이 도움이 될 것입니다.
미리 감사합니다, 다니엘
Re: 실험에서 유의미한 영향을 결정하는 방법안녕 @Danijel_V ,
사실 어느 쪽이든 플랫폼을 사용할 수 있습니다. 많은 수의 잠재적 예측 변수와 하나의 응답만 추가하면 동일한 종류의 출력을 받게 됩니다. 여러 예측 변수와 여러 응답을 포함하면 가능한 모든 조합을 얻을 수 있습니다.
@줄리안
Re: 실험에서 유의미한 영향을 결정하는 방법제안해 주셔서 감사드리며, 답변 심사에 대해 더 깊이 있게 검토하도록 하겠습니다. 그러나 내가 보기에 응답 선별은 주로 어떤 응답이 특정 요인(단 1) 효과를 갖는지 알아보기 위한 것입니다. 나는 반대의 분석에 더 관심이 있어 어떤 요인이 특정 반응에 가장 큰 영향을 미치는지. 응답과 유사한 방법이 있습니까?
Re: 실험에서 유의미한 영향을 결정하는 방법안녕 @Danijel_V ,
들여다 보셨어요? 응답 스크리닝 플랫폼(분석 > 스크리닝 > 반응 스크리닝)? 최소한 많은 비교 중에서 활성 효과를 감지하는 프로세스를 안내하는 데 도움이 될 수 있습니다(그리고 잘못된 발견 비율 수정이 유용할 것이라고 확신합니다). 기능을 시연하는 웨비나 녹화도 아래에 포함했지만 플랫폼을 파고들면 위에 링크된 문서를 읽는 것이 좋습니다.
@줄리안
