カスタムデザインこのモデルの分析に助けが必要
再：カスタムデザインあなたは私たちにあなたを助けるための情報を何も与えていません。
- 実験のデザインと分析についてのあなたの経験は何ですか？
- JMP、JMPカスタムデザイン、および過飽和デザインの経験は何ですか？
- あなたの実験の目的は何ですか？あなたの目標は何ですか？
- あなたはもう何を試しましたか？何かうまくいった？
- あなたはどのような特定の問題に遭遇しましたか？あなたはどんな答えを探していますか？
あなたのデザインを調べました。それは小さい設計（12ラン）であるので、それはおそらく低電力を持つでしょう。効果が反応のランダム効果と比較して非常に大きい場合（4倍から5倍大きい場合）にのみ、実際の効果が見つかります。それはあなたが期待している結果ですか？大きな効果を生み出すには、あなたの因子範囲は広くなければなりません。それはあなたがしたことですか？それは過飽和デザインです。推定可能度を10に設定した可能なら （すべての可能な二因子相互作用）。あなたは8つの用語があります必要推定する（3因子相互作用を含む） あなたは、これらの要因の変化に対する潜在的な非線形の反応を説明するための用語を持っていません。これは因子スクリーニング実験のようです。それはあなたの目的ですか？
あなたの分析を調べました。12回の実行で18個すべての項を推定しようとした分析を保存したので、多くの特異点があります。その分析はあなたが意図したものですか？過飽和設計の解析方法論は、そのような解析を推奨しません。
私はSLOPEに対して段階的回帰を使用しました。私は手動で追加する用語を1つずつ選択しました。私はこの暫定モデルにたどり着きました。
モデル予測の大きな不確実性に注目してください。SLOPEのCVは約23％です。最大の、最も重要な効果は、2つの2因子相互作用です。それは合理的ですか？それはあなたを驚かせますか？
LODに大きな影響はありません。それはあなたを驚かせますか？あなたはLODがこのモデル化方法によって期待されるように正規分布すると期待しますか？
私は、PVC：TCPがLOQにとって唯一の重要な効果であることを発見しました。それはあなたを驚かせますか？
私はRに大きな影響は見られませんでした。
私はSLOPEと同じ効果をRESPONSE TIMEにも見つけました。
このような場合、これらのモデルが不十分であれば、他の方法でさまざまなモデルを選択できます。このデータ用に選択したモデルのいずれかが経験的に確認される必要があることは明らかです。
再：カスタムデザインご助力ありがとうございます
1-実際には、私はJMPとDOEを少し経験しています
2-私はこのモデルを設計しました。主な効果と（可能ならば相互作用）3つの連続因子PT、PVC：TCPとMT、そして3つのレベルの1つのカテゴリー因子イオノフォア（CX-BCD-なし）について述べます。5つの応答（スロープ、LOD、LOQ、R、RT）
3 - 設計モデルは最大の望ましさのための最適な要因の組み合わせに到達することです。
4 - 応答スロープ、LOD、LOQ、rおよびRTに対して、0.6、0.05、0.15、0.05、0.15の重要度を設定します。
5-このモデルは本当に設計されていますか？そして、どのように私は特に私がすでに12の実験をしたか、特にこのデータを分析することができますか？
6-本当に、私はそれぞれの要因に広い範囲を使っていませんでした。
最後に、私はこのモデルを使って調べることについての詳細が必要です
1-各要因の主な効果
2 - インタラクション用語
各回答の3-予測式
最大の望ましさのための4 - 最適な事実の組み合わせ
再：カスタムデザイン- あなたの答えはそれほど多くありませんが、とにかくあなたに感謝します。
- あなたの実験は何ですか？あなたの要因と反応はどうですか？
- それで、この実験は望ましい応答を得るために因子レベルを最適化することを意味しますか？あなたはこれらの要因の影響について多くを知っているように思われないので、最適化は飛躍のように思えます。非常に経済的なスクリーニング設計は、最適化に必要な詳細モデルをサポートする可能性は低いです。
- そのため、LOQとRTは勾配、LOD、およびrより3倍重要です。とった。
- 私はあなたが「このモデルは本当に設計されている」と尋ねることによって何を意味するのかわかりません。
- どのモデル？カスタムデザインに指定したものあなたが合うもの？私が合うもの？
- 「真にデザインされた」とはどういう意味ですか？
- 応答データは本物だと思いましたので、すでに12回の実行を行ったと思います。
- 分析は、自分が持っているデータに最適なモデルを選択することから始まります。私の以前の返事はあなたがこの部分のために取るかもしれないいくつかのアプローチを提案します。次のステップは、選択したモデルを活用して最適な因子レベルを見つけることです。これは、既に示したとおり、Predicition Profilerを使用するのに役立ちます。
- その答えは残念です。ほとんど効果が見られなかったのは、その理由かもしれません。あなたは経済的なデザイン（力）を最大限に活用する機会を逃しました。
- あなたのRMSEは、例えば傾斜が約17で平均傾斜が約45です。そのシグマはあなたのゲレンデにとって普通のようですか？
- そのシグマは、あなたの因子レベルを変えることが検出のチャンスを得るために実際に4倍か5倍傾斜を変えなければならないことを意味します。あなたはこれらの要因の範囲にわたる変化（効果）の大部分を期待しますか？
あなたの返事の終わりにあなたの4つの特定の要求は優秀なドキュメンテーションによってかなりよく答えることができます。見てください助けて > 本 > 実験計画の手引き 。このガイドには、さまざまな実験の設計と分析に関する一般的な情報と具体的な情報の両方が含まれています。例を使って各側面を説明します。サンプルデータセットは、自分のデータを分析する前に練習できるように提供されています。
（別のガイドがあります。線形モデルの近似それはあなたが使用しているモデルの種類についての詳細をカバーしています。）
再：カスタムデザイン私はちょうどあなたのデータテーブルをもう一度調べて、それがかなりめちゃくちゃになっているのを見つけました。つまり、要因と対応に関するメタデータの一部が矛盾しているか間違っていたため、これらの問題がモデリングと推論に影響しています。JMPを使用して実験を計画しているのであれば、その結果は起こらないはずです。自分のしていることがわかっていて正当な理由がない限り、これらのプロパティを変更しないでください。
私は問題を解決しました。暫定分析を再実行しました。*各暫定モデルの予測式を保存しました。私はこれらのモデルを紹介しました。それが望ましいレベルを達成しなかったので、私はLOQを除外しなければなりませんでした。
各ステップのスクリプトをデータテーブルに保存しました。更新されたデータ表が添付されています。
*段階的なプラットフォームと0.15の寛大なアルファレベルを使用して手動で暫定モデルを選択し、これらの効果の一部が確認されない可能性があることを考慮して、低消費電力を増やします。
再：カスタムデザインありがとうございました
DOEでJMPを使用する方法を理解するためのチュートリアルビデオが本当に必要です。
再：カスタムデザインいくつかのDOE計画および分析指向のオンデマンドおよびライブのウェビナーがjmp.comで無料で利用可能です。これらのビデオは、主にJMPでの「ハウツー」に焦点を当てていますが、DOE問題解決プロセスに関する知識がほとんどない人に教えることに焦点を当てていません。あなたがJMPで「ハウツー」を探している人であれば…それでは、ここにリンクされているMastering JMPウェビナーシリーズに散らばっているたくさんのオファリングを熟読することをお勧めします。
https://www.jmp.com/en_us/events/mastering/webcasts.html
DOE問題解決プロセスおよびJMPでの「ハウツー」を教える、より包括的な学習経験を探しているのであれば、SASはさまざまなトレーニング経験も提供しています。あなたはここでこれらの製品を熟読することができます：
https://www.jmp.com/en_us/training/what-we-offer.html
