EVOP / Diseño de mezcla / Pregunta de diseño de FrankensteinNo tengo mucha experiencia con diseños de mezclas, así que estoy buscando orientación personal para 'la próxima vez que esto suceda' con un cliente potencial / cliente. Tengo una perspectiva que usa diseños de mezcla de vértices extremos con bastante frecuencia. Su pensamiento era, si una región del espacio del factor de diseño parece prometedora, pero está en el borde del espacio, ¿qué hay de mover el espacio de diseño como un enfoque EVOP en la dirección de la promesa de un segundo diseño? Entonces, el segundo diseño se superpone a una porción relativamente grande del primer espacio de diseño. Primero analice el segundo diseño, ya que es un diseño único y distintivo. Luego atornille los dos diseños y analice todo el desastre.
Mi primer pensamiento es, si nada más, el segundo diseño puede servir como un medio para confirmar las predicciones provenientes del primer diseño ya que el espacio se superpone. ¿Hay otras 'trampas' que simplemente no he considerado desde el punto de vista del análisis para el diseño de Frankenstein a medida que se construye ... tal vez en iteraciones tipo EVOP, 3 y 4?
¿Algo me dice que la plataforma Fit Model / Standard Least Squares podría no ser el mejor lugar para analizar el diseño de Frankenstein? ¿Quizás Regresión generalizada, métodos penalizados?
Me encantaría escuchar los pensamientos de las personas.
Re: EVOP / Diseño de mezcla / Pregunta de diseño de FrankensteinLos diseños de mezclas tienen una correlación incorporada debido al hecho de que los porcentajes de los ingredientes deben sumarse a 1. Limitar aún más los ingredientes al agregar límites superiores e inferiores o restricciones de desigualdad lineal hace que haya aún más correlación en las estimaciones de los parámetros. Finalmente, agregar más y más términos de modelo (efectos de segundo y tercer orden) genera aún más correlación.
Como resultado, creo que los diseños de mezclas casi siempre deben verse como diseños de superficie de respuesta. El diagnóstico de diseño más importante es la variación de la predicción dentro de la región de experimentación.
Para la selección del modelo, recomendaría eliminar los términos de orden superior en grupos para ver si cada grupo hace diferencias sustanciales en las respuestas predichas. También puede sumar las sumas de cuadrados para un grupo y hacer una prueba de hipótesis de múltiples grados de libertad para ver la importancia de incluir ese grupo de términos.
Re: EVOP / Diseño de mezcla / Pregunta de diseño de FrankensteinEstoy de acuerdo en que la plataforma Augment Design es el camino a seguir para construir el segundo, el tercero y los diseños. Eso es bastante sencillo para mí. Lo que en su mayoría no estaba claro es sobre las mejores vías para analizar el diseño de Frankenstein. Solo estoy pensando que los criterios de optimización del diseño de Frankenstein probablemente no sean lo que buscas en comparación con si ejecutaran un diseño con la optimización, digo, para 3 factores de mezcla. Y las correlaciones de factores van a ser bastante confusas ... ¿conducen a VIF altos y estimaciones de parámetros inestables? ¿O mi pensamiento está equivocado?
¿Eso me lleva a intentar decir que el espacio de regresión penalizado Gen Reg? Estoy pensando que las estimaciones de los parámetros tendrán poca o ninguna interpretación ... pero eso está bien para este problema en particular ... el objetivo principal es la predicción de la respuesta.
Re: EVOP / Diseño de mezcla / Pregunta de diseño de FrankensteinEstoy de acuerdo con Mike en que el Diseñador de aumento es la herramienta para usar aquí. Una vez que haga clic en el botón Aumentar en ese diseñador, puede cambiar los rangos de los factores para pasar a una nueva región. También debe hacer clic en la casilla de verificación para hacer que las nuevas ejecuciones sean un bloque separado. Si ese efecto es significativo, es una indicación de que la intercepción ha cambiado entre los dos conjuntos de corridas.
Re: EVOP / Diseño de mezcla / Pregunta de diseño de FrankensteinCreo que el flujo de trabajo que describió es la esencia de por qué tenemos la plataforma Augment. Tal vez @bradleyjones podría arrojar algo de sabiduría en este sentido.
mejor,
METRO
