carte couleur sur les corrélations et l'efficacité de l'estimationJe travaille sur une conception avec 2 facteurs continus et un facteur numérique discret et je ne peux pas dépasser 12 exécutions pour cette conception. Lorsque je regarde la carte couleur des corrélations de cette conception, elle montre la corrélation entre les facteurs. J'ai essayé différents nombres de courses pour voir que ça s'améliore, mais ce n'est pas le cas. Si je descends en dessous de 12 courses, la puissance de conception diminue et je ne peux pas dépasser 12 courses. Puis-je faire quelque chose concernant l’orthogonalité de la conception ? De plus, l’examen de l’efficacité de l’estimation est-il utile dans ce cas ?
Re : carte couleur sur les corrélations et l'efficacité de l'estimationC'était ma pensée, mais avec la conception que vous avez suggérée, la corrélation entre les facteurs a diminué, ce qui devrait donc être le cas.
Re : carte couleur sur les corrélations et l'efficacité de l'estimationVoulez-vous dire que l’inflation provoquée par les corrélations est grave parce que vous vous attendez à de faibles effets en raison de fourchettes de facteurs limitées ? Y a-t-il une raison pour laquelle vous ne pouvez pas élargir les plages de facteurs et produire un effet plus important ?
Re : carte couleur sur les corrélations et l'efficacité de l'estimation@Mark_Bailey Je suis préoccupé par la corrélation en raison de petits changements avec les niveaux de facteurs. Mais la corrélation est meilleure lorsque l'on utilise un facteur continu au lieu d'un facteur numérique discret, donc je suppose que cela fonctionnera pour moi dans ce cas. Merci de l'avoir expliqué. Apprécié
Re : carte couleur sur les corrélations et l'efficacité de l'estimationSi vos effets attendus sont au moins 3 fois l'écart type de la réponse, alors la puissance est assez élevée avec les 12 exécutions :
Ce résultat peut être attendu même avec les corrélations (+/- 1/3) vues ici :
Les corrélations n’entraînent AUCUN biais dans les estimations. Les corrélations gonflent la variance des estimations, ce qui entraîne un allongement des intervalles de confiance :
Les IC sont environ 6 % plus longues, soit une inflation très modeste. Je ne pense pas que ces corrélations compromettent beaucoup les performances de conception.
Re : carte couleur sur les corrélations et l'efficacité de l'estimationCorrect, comme je l'ai dit, si vous définissez les niveaux à l'aide d'un facteur numérique discret, alors JMP définit les termes. Vous devez avoir un terme quadratique dans le modèle pour conserver les trois niveaux de facteurs.
La raison des corrélations non nulles est l’ajout d’un point central et le déséquilibre dans la conception. Vous aurez toujours des corrélations si vous omettez le point central. Chaque effet principal est corrélé (r = +/- 1/3) avec l'effet d'interaction impliquant les deux autres facteurs dans ce cas à l'aide de 12 analyses. Vous devez passer à 8 ou 16 analyses pour éliminer les corrélations.
Pourquoi êtes-vous préoccupé par une telle corrélation dans les estimations ? Avez-vous une réponse à variance élevée pour commencer ? Avez-vous de légers effets liés à la modification des niveaux de facteurs ?
Re : carte couleur sur les corrélations et l'efficacité de l'estimation@Mark_Bailey Merci pour votre réponse. Utiliser un facteur continu au lieu d'un facteur numérique discret est utile, mais je pense que le le terme quadriatique pour la température d'échappement a été ajouté lorsque j'ai utilisé un facteur numérique discret. Maintenant, si j'inclus uniquement les effets principaux et les interactions à deux facteurs, je vois à nouveau des corrélations. Est-ce prévu ou est-ce que je fais quelque chose de différent ?
Re : carte couleur sur les corrélations et l'efficacité de l'estimationJ'ai oublié de répondre à votre demande spécifique d'orthogonalité. Comme vous l’avez découvert, obtenir cette caractéristique peut s’avérer très coûteux. Cela nécessite une conception entièrement équilibrée et toutes les colonnes d’estimation doivent également être équilibrées. Nous pouvons souvent produire des conceptions économiques et efficaces sans orthogonalité. Les 12 analyses que j'ai trouvées semblent avoir quelques faibles corrélations et, par conséquent, quelques longueurs d'intervalle de confiance gonflées. Voyez si la corrélation est acceptable pour votre cas.
Re : carte couleur sur les corrélations et l'efficacité de l'estimationIl n'y a rien de mal à utiliser un facteur numérique discret. Il s'agit essentiellement d'un facteur continu mais vous spécifiez les niveaux et JMP spécifie les termes dans le modèle. Vous pouvez également utiliser un facteur continu et spécifier les termes, puis JMP spécifie les niveaux. J'ai obtenu un meilleur design en 12 essais de cette façon. J'ai gardé la table ici pour vous.
Votre exemple semble utiliser un modèle avec tous les effets principaux et interactions à deux facteurs et un seul terme quadriatique pour la température d'échappement. Ce modèle est celui que j'ai utilisé.
