DOE 레벨 수안녕하세요-
고객으로부터 다음과 같은 질문을 받았습니다.
"제 질문은 2 차와 선형의 차이를 더 잘 확인하는 데 더 집중했습니다. 나는 그것을 입방 이상으로 기대하지 않는다. 이것은 주로 내 실험에서의 오류에 대한 우려에서 비롯된다. 샘플 포인트 중 몇 개가 선형 적합보다 2 차보다 나은 외곽에 있기 때문에 상관 관계가 2 차라고 잘못 판단하고 싶지는 않다. 이것이 합리적인지 아니면 오해인지 알려주십시오. 나에게 4 레벨 이상을 지정하면 곡률이 더 강해질 수 있습니다. 이것은 곡률이 내 테스트의 무작위성과 관련이 없다는 결론을 더 편하게 느끼게합니다. "
본질적으로, 그는 직선 또는 직각 모델을 가졌는지에 대한 확신을 갖기 위해 더 많은 레벨 (3 개 이상)을 추가해야 하는지를 알고 싶어합니다.
그에게 나의 대답은, 나는 다른 동료들과 확인하겠다고 말했지만,
1) 예측 프로파일 러에서 그래픽 관계를보고 곡률이 있는지 확인합니다.
2) 마지막으로, 통계적 관계가 있는지, 효과 표를보고, 2 차 통계가 통계적으로 중요한지를 확인한 다음, 계속 유지하십시오.
3) 추가 실행을 실행할 리소스가 있으면 이동하십시오.
다른 사람이 다른 생각을 갖고 있습니까?
다시 : DOE 수준 #안녕하세요 알리사,
나는 당신이 추가 한 데이터 테이블에 대해주의해야한다. 평가 결과가 모델과 불용품 조합을보고 AF를 찾을 수 없다는 불평이 나온다. 평가를 보면 그것들을 제거하기가 더 쉽다. JMP 15에서이 문제를 해결해야합니다 ...)
나는 Peter의 아이디어가 마음에 든 A- 최적 설계를 시도하는 것을 좋아한다.
또한 가끔씩 직교 다항식을 사용하여 사각형을 확인하는 경우도 있습니다 (jsl : ortho poly). 즉, 열 A와 같은 것을 가져 와서 열 (선형 구성 요소에 대해 하나, 이차 곡선에 대해 하나)로 나누고이를 모델링에 사용합니다. 원본 코딩을 사용한 후에는 더 단순한 모델로 돌아가는 것을 선호하지만, 거기에있을 수있는 2 차 효과를 가리킬 수 있습니다.
Wu and Hamada 책을 가지고 있다면, 그들은 1 장에서 그것에 대해 이야기합니다 - 적어도 첫 번째 판은 그것을했습니다.
건배,
라이언
다시 : DOE 수준 # @phersh 전혀! 여기있어. JMP에서 분석 방법을 보여주기 위해 가짜 데이터를 만들었습니다.
다시 : DOE 수준 #알리사,
당신과 돈이 만든 파일을 공유 할 수 있습니까?
또한 관심의 이차 효과 (들)에 중점을 두면서 가중치가있는 최적 설계를 고려 했습니까?
나는 종말점과 중심점에서 더 많은 달리기가 실제로 활동적인 이차 효과가 있다면 더 나은 느낌을 줄 것이라고 생각합니다. 두 종말점 사이에 4 단계를 선택하는 대신
다시 : DOE 수준 #솔직히 말하자면 엄청난 일이 끝난 것 같습니다! 나는 왜 그런지 잘 모르겠지만, 지금은 중요하지 않습니다. 너와 돈이 적절한 일을했다고 확신 해. 권력을 평가하는 것에 관해서는, 나는 아직도 할 수 있다고 생각한다. 분석중인 데이터 테이블을 가져 와서 DOE> 디자인 진단> 설계 평가를 선택하십시오. 요인과 모델을 지정하면 평가를 수행해야합니다. 그것은 Custom Design에 의해 만들어진 무언가 일 필요는 없습니다.
다시 : DOE 수준 #예. 나는 포스트를 만든 후에 파워에 대해 생각했다. 그의 특정 DOE와 나는 힘을 점검 할 수 없다. (적어도 나는 할 수 있다고 생각하지 않는다.) 그는 6 가지 요인을 가지고 있지만 그 중 3 가지 요인 만 한 번에 사용하고 싶습니다. 의 도움으로 @DonMcCormack 우리는 CD를 통해 X1-> X3을 사용하여 3 개의 레벨을 6 개의 레벨을 갖는 범주 적 요인으로 이산 숫자 및 X4-> X6으로 나타냅니다. X4-> X6의 6 개 레벨은 6 개의 요인을 나타냅니다. 우리는 디자인을 만들었고 36 번 실행되었습니다. 그런 다음 불일치 조합 필터를 사용하여 동일한 요인 상황 중 2 가지를 선택했습니다. 그런 다음 다중 레벨 스택을 사용하여 레벨과 요소를 쌓은 다음 적절하게 분할하여 적절한 열에 배치해야했습니다. 그런 다음 응답 열에 추가하고 Model 스크립트가 작동하지 않기 때문에 Fit Model을 사용하여 분석 할 수있는 방법을 보여주었습니다. 이게 말이 돼? 따라서 하루가 끝날 때까지 DOE는 전력 분석으로 평가할 수있는 것이 아닙니다. 나는이 "손으로 / 무차별 적으로"힘을 검사하는 방법을 모른다. 내가 놓친 게 있니?
다시 : DOE 수준 #어떤 것이 더 좋은지 확인할 수 있습니다. 근본적으로, 그는 이차 항에 대해 높은 전력을 원합니다. 그는 진짜인지 아닌지를 정말로 알아야합니다. 기본 설계는 D-Optimal 설계이지만 I-Optimal 설계는 2 차 항을 계산할 때 더 좋습니다. 따라서 I-Optimal 설계를 사용해야합니다 (2 차 방정식은 약간 더 강력하지만 주 효과 및 상호 작용은 낮 춥니 다). 그래서 거기에 트레이드 오프가있다).
나는 하나의 요인 (결과는 더 많은 요인에 대해 유지 될 것임)과 2 차 모델 (12 점)에 대해 I- 최적 설계를 만들었습니다. 이것은 3 레벨 디자인이 될 것입니다. 전력 분석은 다음과 같습니다.
이제 I-optimal 디자인을 4 단계로 12 회 실행합니다. 이 작업을 수행하려면 Discrete Numeric을 선택해야하지만, 여전히 2 차 모델을 추정하는 한, 괜찮습니다. 이 디자인에 대한 전력 분석은 다음과 같습니다.
보시다시피 더 많은 레벨을 추가 할 때 실제로는 2 차항에서 더 낮은 전력을 얻습니다 (주 효과의 전력을 증가시킵니다). 우리는 우리의 커스텀 실험 디자인 클래스에서 이와 비슷한 시연을했습니다. 더 적은 레벨을 사용하여 곡률을 감지 할 수있는 가능성이 더 큽니다.
여기에 전력 PLUS의 전반적인 비교가 있는데, Design Space 플롯의 분수를 추가했습니다. 3 레벨 설계는 2 차 (주 효과가 아닌)에서 더 나은 전력을 제공하며 더 나은 예측 분산을 제공합니다. 전반적으로, 3 차원은 단지 2 차 모델 일 때 4 단계보다 우수하다고 생각합니다.
