Ciao,
Per farla breve, ho provato a utilizzare un disegno a trama divisa per l'analisi di una reazione chimica.
Ho progettato gli esperimenti con il designer personalizzato, in cui la temperatura è un parametro che è difficile da modificare (quindi trama divisa). Ho 9 variabili in totale, due delle quali sono categoriali (identità dei reagenti). Come inizio, sono solo interessato a schermare gli effetti principali. Di conseguenza, sono riuscito a utilizzare il designer personalizzato per trovare un progetto con 20 esperimenti che fornisce gli effetti principali senza alias. Le interazioni sono alias (le interazioni del secondo ordine contrassegnate 'se necessario' nel modello), ma come prima iterazione, andrà bene per me.
In ogni caso, quando eseguivo gli esperimenti, dovevo cambiare uno dei solventi, determinando un cambiamento in tre dei parametri selezionati (ho provato a selezionare un solvente con proprietà il più vicino possibile a quello che ha sostituito). Ho pensato, pensando a come George Box l'ha visto, che poi è diventato un pasticcio - avrebbe funzionato, ma non mi avrebbe dato i migliori risultati. Per un esperimento di screening, probabilmente potrei accettarlo.
Ora, mentre provo ad adattare il modello, ho alcuni problemi nell'interpretazione dell'output JMP:
1) Ho qualcosa chiamato "Dettagli Singolarità". Immagino sia perché il design malconcio ora ha delle collinearità?
2) Nelle stime dei parametri, molti sono "di parte" e il resto viene azzerato. È questo a causa del design sbagliato - o l'aliasing delle interazioni del secondo ordine?
3) Gli effetti non sembrano affatto significativi nel Riepilogo effetti - o piuttosto, non appaiono.
4) La trama effettiva vs prevista è perfettamente lineare, con R ^ 2 = 1. Questo non può essere vero.
5) L'intercettazione è negativa, quindi fortemente distorta?
Quindi, tutto sommato ... posso fare molto di più che guardare il modello adattato e usare le conoscenze extrastatistiche per selezionare i pochi importanti effetti principali?
Grazie per l'input!
Il modello che cerco di inserire sono gli effetti principali + interazioni. Se comprendo correttamente il DoE personalizzato, impostando le interazioni su "se possibile" e gli effetti principali su "required" mi consente di trovare un progetto con gli effetti principali stimabili e (alcuni) l'alias di interazioni (che la tabella degli alias mi ha mostrato quando Ho fatto il originale design).
Non sapevo della piattaforma Fit Two Level Screening - grazie! Non dovrei includere interi complotti con quello, dovrei?
Includendo Whole Plots o no, non ci sono fattori significativi (nemmeno gli effetti principali!) Guardando i grafici p-values / Pareto, ma alcuni si discostano dalla trama half normal.
Così, per riassumere :
Non ho i gradi di libertà per analizzare i dati come al solito, e dovrei aspettarmi singolarità con il mio design. Intendo fare alcuni esperimenti al centro del progetto per avere un'idea della varianza, però.
La piattaforma Fit Two Level Screening non è utile guardando il grafico p-values / Pareto, ma alcuni fattori si discostano in modo significativo dalla mezza trama normale - e quindi mi concentrerò su questi nella successiva iterazione. E mantieni il fattore difficile da cambiare per buona misura.
È capito correttamente?
Sì, hai capito bene.
Quando imposti le interazioni su "se possibile", stai sostanzialmente dicendo a JMP "puoi confondere questo termine con altri termini" se possibile ", ma non confonderlo con termini" Necessari "." Ciò implica che sarà necessario utilizzare qualcosa di simile a una trama semi-normale per identificare i fattori importanti e utilizzare i principi di ereditarietà dell'effetto e dell'effetto per fare un'ipotesi plausibile su quale di un alias di interazioni sia più probabile il fattore attivo in base al quale gli effetti principali erano significativo. JMP lo fa per te in Fit Two Level Screening. Non è possibile tentare il modello completo sin da subito in Fit Model perché si sa già che si hanno dei termini di modello con alias che causano singolarità.
Non preoccuparti di Whole Plot in Fit Two Level Screening. Questo deve essere incluso come un effetto casuale, e lo Screen misura due livelli non può gestire effetti casuali per quanto ne so. Ciò significa che l'analisi non sarà esattamente corretta, ma sono fiducioso che continuerà a servire allo scopo di evidenziare gli effetti forti. La trama semi-normale è l'output principale che dovresti usare per prendere le tue decisioni. Una volta ottenuto ciò, è possibile utilizzare Fit Model per adattarsi solo ai termini del modello selezionato.
Grazie! Ha senso - e sto iniziando a dare un senso ai dati già!
