分割分割プロット設計の解析こんにちは、
手短に言えば、私は化学反応の分析のために分割プロット設計を使用しようとしました。
私はカスタムデザイナーで実験をデザインしました。ここで、温度は変更するのが難しいパラメーターです（したがってスプリットプロット）。全部で9つの変数があり、そのうち2つはカテゴリカルです（試薬の種類）。はじめに、主な効果を上映することに興味があります。その結果、私はカスタムデザイナーを使用して、20の実験でエイリアスなしで主な効果が得られるデザインを見つけることができました。相互作用には別名が付けられます（モデルでは必要であれば2次相互作用がマークされます）が、最初の反復としては、これで十分です。
とにかく - 実験を実行するとき、私は溶媒のうちの1つを変更しなければならず、結果として選択された3つのパラメータが変更されました（置き換えられたものにできるだけ近い特性を持つ溶媒を選択しようとしました）。George Boxがそれをどのように見ているかを考えて、それがボットデザインになったと思いました - それはうまくいくでしょう、しかし私には最良の結果を与えません。スクリーニング実験のために、私はおそらくこれを受け入れることができます。
さて、モデルにフィットしようとすると、JMP出力を解釈するときに問題がいくつかあります。
1）「特異点の詳細」というものがあります。これは、ボットのデザインがいくつかの共線性を持っているからでしょうか。
2）パラメータ推定では、多くのものが「偏り」、残りはゼロになります。これは、デザインの混乱、または2次インタラクションのエイリアシングが原因ですか？
3）効果の概要では、効果がまったく重要ではないようです - そうではなく、表示されません。
4）実際のvs予測されたプロットは完全に線形で、R ^ 2 = 1です。それは本当ではありません。
5）切片は負の値です - とても偏っていますか？
それで、全体として…フィットモデルを見て、いくつかの重要な主な効果を選択するために統計的に得られない知識を使う以上のことができますか？
再分割分割プロット設計の分析あなたが主な効果を当てはめようとしているのでなければ、そのようなまばらなデザインの特異点を期待するでしょう。ただし、主な効果だけで特異点が発生している場合は、もう少し問題があります。
あなたの要因がすべて2つのレベルを持っているならば、あなたは重要な要因と潜在的に少数の相互作用を識別するためにFit Two Level Screeningプラットフォームを使うことができるはずです。変更が困難な要因を適切にテストできるとは思われませんが、一般的な結論を下すにはおそらく十分です。再分割分割プロット設計の分析入力ありがとうございます。
私が当てはめようとしているモデルは、主な効果+相互作用です。カスタマイズされたDoEを正しく理解している場合、インタラクションを「可能な場合」に設定し、主効果を「必須」に設定すると、主効果が推定可能なデザインが見つかります。私は作った元の設計）。
Fit Two Level Screeningプラットフォームについては知りませんでした - ありがとうございます。Whole Plotsをそれに含めるべきではありません。
全プロットを含めても含まなくても、p値/パレート図を見ても重要な要因はありません（主な影響すら含まれています）。
そう、総括する ：
私はいつものようにデータを分析するための自由度が残っていません、そして私は私が持っているデザインの特異点を期待するべきです。ただし、分散のアイデアを得るために、設計の中心でいくつか実験をするつもりです。
Fit Two Level Screeningプラットフォームはp値/パレート図を見るのには役立ちませんが、いくつかの要因が通常の半分のプロットから大きく外れているため、次の反復でこれらに焦点を当てます。そして、良い測定のために変更しにくい要素を保ちます。
それは正しく理解されていますか？
再分割分割プロット設計の分析はい、あなたは正しく理解しました。
インタラクションを「可能であれば」に設定すると、基本的に「この用語を他の「可能であれば」という用語と混同できるが、「必要な」という用語と混同しないように」ということです。これは、半正規プロットのようなものを使用して重要な要素を特定し、効果の遺伝および効果の階層の原則を使用して、どの相互作用エイリアスが主な効果の原因である可能性が最も高いかについて教育を受けた推測を行う重要です。 JMPはあなたに代わってFit Two Level Screeningでそれを行います。 あなたは既にあなたが特異点を引き起こすであろうモデル項をエイリアスしているのを知っているので、あなたはFit Modelですぐに完全なモデルを試みることができません。
フィット2レベルスクリーニングの全プロットについて心配しないでください。 それはランダム効果として含まれる必要があります、そして、Fit Two Level Screeningは私が知る限りランダム効果を扱うことができません。 これは分析が正確ではないことを意味します、しかし私はそれが強い影響を強調するためにそれがまだその目的にかなうと確信しています。 半正規プロットは、決定を下すために使用する必要がある主な出力です。 それができれば、Fit Modelを使って選択したモデルの項に合わせることができます。
再分割分割プロット設計の分析ありがとうございます。それは理にかなっている - そして私はすでにデータを理解するために始めている！
