Ist die Modellierung von Kennzahlen als kontinuierliche Variablen ein richtiger Ansatz?Sehr geehrte JMP-Benutzer:
Ich weiß Ihre Gedanken/Meinungen zu dem unten aufgeführten Fall aus einer akademischen Forschung sehr zu schätzen.
Angenommen, ein DOE wurde ausgeführt, um eine pharmazeutische Formulierungszusammensetzung (unter Verwendung von Materialien – „A“, „B“, „C“ und „D“) mit drei Faktoren (Einzelheiten unten) zu screenen. Faktor 1 beinhaltet das Verhältnis zweier Materialien – „A“ und „B“ – auf zwei Ebenen. Die Gesamtzahl der Läufe betrug 12.
Faktor 1 => Zwei Ebenen (A:B) im Gewichtsverhältnis; 3:1 (-1) und 5:1 (+1)
Faktor 2 => Zwei Ebenen (C) in Gewichtsprozent; 0,5 (-1) und 1.0 (+1)
Faktor 3 => Drei Stufen (D) in Gewichtsprozent; 0,5 (-1), 1.0 (0), 2.0 (+1)
Experiment Nr. | Faktor 1 (Verhältnis) | Faktor 2 (%) | Faktor 3 (%) |
1 | 1 | 1 | 1 |
2 | 1 | -1 | 1 |
3 | -1 | -1 | -1 |
4 | 1 | -1 | 0 |
5 | 1 | 1 | 0 |
6 | 1 | -1 | -1 |
7 | -1 | -1 | 1 |
8 | -1 | -1 | 0 |
9 | -1 | 1 | 0 |
10 | -1 | 1 | -1 |
11 | -1 | 1 | 1 |
12 | 1 | 1 | -1 |
* Notiz : Werte in Klammern und Tabelle sind codierte Werte
Mein Mitforscher möchte 'Faktor 1' als kontinuierliche Variable betrachten und Passen Sie das Modell mit nur CODED-Werten an (ohne tatsächliche Werte zu verwenden). Aber ich fürchte, dass dies aus zwei Gründen kein richtiger Ansatz ist: (i) das Verhältnis ist eine kontinuierliche Variable, und (ii) wir können das Verhältnis nicht in codierte Werte umwandeln und in die Vorhersagegleichung (aus Parameterschätzungen) einfügen, um an zu berechnen geschätzter Wert.
Fragen an die Community-Mitglieder:
- Ist die Modellierung von Haupteffekten und Zwei-Faktor-Wechselwirkungen mit KODIERTEN WERTEN ein richtiger Ansatz, indem „Faktor 1“ als kontinuierliche Variable betrachtet wird?
- Wenn Ihre Antwort auf Frage 1 „JA“ lautet, wie setzen wir dann das Verhältnis in die aus Parameterschätzungen erhaltene Modellgleichung ein, sodass man den von der Software angezeigten vorhergesagten Wert erhalten kann?
- Wenn Ihre Antwort auf Frage 1 „NEIN“ lautet, teilen Sie uns bitte mit, wie Sie diesen Fall angehen sollen.
Bei Bedarf gebe ich gerne weitere Details bekannt. Vielen Dank im Voraus für Ihre Zeit und Hilfe.
DAMHIRSCHKUHBetreff: Ist die Modellierung von Kennzahlen als kontinuierliche Variablen ein richtiger Ansatz?Danke für deine ausführliche Antwort, @Dan_Obermiller .
Das ist keine Mischung. Faktor 3 ("D") wird während des Prozesses verdampft. Wir dachten, es ist am besten, diesen Ansatz nicht zu durchlaufen. Außerdem hatte ich Probleme mit schlechter Vorhersagbarkeit bei der Verwendung von Mischungsdesigns. Deshalb haben wir uns für faktorielles Design entschieden.
Aber natürlich werde ich versuchen, eine Spalte mit dem A/B-Verhältnis so zu erstellen, dass es einen physikalischen Sinn ergibt, und mithilfe einer modellierten Gleichung zurückrechnen, um zu sehen, ob ich in der Lage bin, die vorhergesagten Werte zu erhalten.
Betreff: Ist die Modellierung von Kennzahlen als kontinuierliche Variablen ein richtiger Ansatz?Hallo @bpvinjamuri ,
Ich verstehe dein Problem vielleicht nicht ganz, aber hier sind einige Gedanken:
- Ja zu Ihrem Q1. Faktor 1 (Verhältnis) ist eine stetige Variable. Das Verhältnis von A:B kann beispielsweise von 10:1 -> 9:1 -> 8:1 -> ... 1:1 -> 1:2 -> 1:3 ... 1:10 variieren. JMP arbeitet hinter den Kulissen immer mit codierten Werten. Selbst wenn Sie also den tatsächlichen Wert eingeben, der zur Formulierung des Arzneimittels verwendet wird, verwendet JMP je nach Einstellung -1, 1 oder -1, 0, 1. Sie können beispielsweise nicht 3:1 oder 5:1 in die Werte eingeben, Sie müssten 3 und 5 eingeben, wohl wissend, dass der Wert von Faktor 1 am Ende ein Verhältnis von A:B ist.
- Alle Ihre Faktoren sind tatsächlich kontinuierlich – in dem Sinne, dass sie im Prinzip kontinuierlich variiert werden könnten, auch wenn dies in der Praxis möglicherweise nicht der Fall ist. Tust du brauchen 3 Stufen für Faktor 3 haben? Wenn nicht, verwenden Sie einfach das niedrige Hoch. Erwarten Sie, dass die Reaktion mit Faktor 3 nicht monoton ist – dh könnten Sie unterschiedliche Reaktionsniveaus für das gleiche Faktorniveau haben? Wenn dies der Fall ist, benötigen Sie mehr Stufen für Faktor 3, behandeln ihn aber dennoch als kontinuierlich.
- Welche Art von DOE betreiben Sie? Ich vermute eine Vollfaktorielle. Ist das die richtige Art von DOE, die Sie suchen? Wenn Sie versuchen, ein Ergebnis vorherzusagen, sollten Sie wahrscheinlich die benutzerdefinierte DOE-Plattform verwenden und ein I-Optimal-Design anstelle eines Full Factorial verwenden. Wenn Sie nur darauf achten, wie die Dinge interagieren und eine Antwort geben, sollte dies in Ordnung sein. Sie können dann einige der Faktoren eingrenzen und ein detaillierteres I-optimales Design erstellen, wenn Sie am Ende Vorhersagen treffen möchten. RSM-DOEs sind zum Beispiel standardmäßig I-optimal. Diese erfordern mehr Läufe, da versucht wird, die Vorhersagevarianz des Designraums zu reduzieren.
Hoffe das hilft!,
DS
Betreff: Ist die Modellierung von Kennzahlen als kontinuierliche Variablen ein richtiger Ansatz?Sie sagten, das sei eine Formulierung. Bedeutet das, dass A+B+C+D = 1? Wenn dies der Fall ist, ist die Verwendung eines Verhältnisses von zwei Variablen ein üblicher Ansatz, der verwendet wird, um zu vermeiden, dass ein Scheffe-Mischungsmodell angepasst werden muss (nicht, dass dies schwierig wäre, aber es unterscheidet sich stark von einer typischen Regression). Normalerweise schlage ich Leuten vor, dies nur zu tun, wenn das Verhältnis von A/B einen physikalischen Sinn ergibt. Wenn nicht, würde ich stattdessen ein Scheffe-Mischmodell montieren.
Angenommen, es handelt sich um eine Formulierung wie oben beschrieben (und selbst wenn dies nicht der Fall ist, denke ich!), ist die Verwendung codierter Werte für ALLE Faktoren eine gute Sache. Wenn Sie das Design in JMP erstellen, wird die Codierungseigenschaft automatisch aktiviert, sodass codierte Werte für die Parameterschätzungen verwendet werden. Auch wenn JMP nicht für das Design verwendet wurde, sehen Sie eine Version der Codierung, die verwendet wird, wenn Sie Interaktionen in das Modell einfügen. JMP zentriert die Faktoren automatisch (durch Subtrahieren des Mittelwerts der Faktorbereiche), bevor die Faktoren miteinander multipliziert werden.
Um Ihre Fragen konkret zu beantworten:
1. Ja, das ist ein guter Ansatz. Alle Faktoren sollten kodiert werden.
2. Ich bin mir nicht sicher, ob ich Ihre Frage verstehe, aber ich werde es versuchen. Um das Verhältnis zu modellieren, müssen Sie eine Spalte mit der Verhältnisformel erstellen. Die berechneten Verhältnisse könnten dann in Ihre Vorhersagegleichung eingesetzt werden. Denken Sie daran, dass das Verhältnis von A/B eine gewisse physikalische Bedeutung haben sollte, daher ist es normalerweise kein Problem, einen Verhältniswert anstelle einzelner A- und B-Werte einzusetzen.
Wenn ich das richtig verstehe, können Sie Ihre Verhältnisformelspalte erstellen. Erstellen Sie Ihr Modell und speichern Sie die Vorhersageformel in der Datentabelle. Verwenden Sie nun den Vorhersage-Profiler im Menü „Grafik“, um den Vorhersageausdruck zu profilieren, aber achten Sie darauf, das Kontrollkästchen „Zwischenformeln erweitern“ zu aktivieren. Dadurch erhalten Sie den Profiler in Bezug auf A, B, C und D und nicht auf Faktor 1, Faktor 2 und Faktor 3. Sie können jetzt Ihren Profiler verwenden, um Vorhersagen zu generieren, und Zeilen zur Datentabelle hinzufügen, um Vorhersagen zu generieren. Beachten Sie, dass dieser Ansatz wahrscheinlich unsinnige Formulierungen zulässt, wenn A+B+C+D = 1. Es gibt Möglichkeiten, dies zu umgehen, aber es hängt davon ab, wie Ihr Design erstellt wurde.
