相関関係と推定効率のカラーマップ2 つの連続因子と 1 つの離散数値因子を含む計画に取り組んでいますが、この計画では 12 回を超える実行ができません。 この計画の相関関係のカラーマップを見ると、因子間の相関関係がわかります。 改善されるかどうかを確認するために実行回数を変えてみましたが、改善されません。 12 ランを下回るとデザインの力が低下し、12 ランを超えることはできません。 設計の直交性について何かできることはありますか? また、この場合、推定効率に注目することは役に立ちますか?
Re: 相関関係と推定効率のカラーマップそれが私の考えでしたが、あなたが示唆したデザインでは、要因間の相関関係が低下したため、そうあるべきです。
Re: 相関関係と推定効率のカラーマップ要因の範囲が限られているため、効果が小さいと予想されるため、相関関係によって引き起こされるインフレが深刻になるという意味ですか? 係数の範囲を広げて、より大きな効果を生み出すことができない理由はありますか?
Re: 相関関係と推定効率のカラーマップ@Mark_Bailey因子水準の変化が小さいため、相関関係が気になります。 ただし、離散数値ではなく連続因子を使用すると相関関係がより良くなるため、この場合はこれでうまくいくと思います。 説明していただきありがとうございます。 感謝
Re: 相関関係と推定効率のカラーマップ期待される効果が応答の標準偏差の少なくとも 3 倍である場合、12 回の実行で検出力は非常に高くなります。
この結果は、ここで見られる相関関係 (+/- 1/3) を考慮しても予想できます。
相関関係により、推定値に偏りは生じません。 相関により推定値の分散が膨らみ、信頼区間が長くなります。
CI は約 6% 長く、非常に緩やかなインフレです。 これらの相関関係が設計パフォーマンスを大きく損なうとは思えません。
Re: 相関関係と推定効率のカラーマップ先ほども言いましたが、離散数値係数を使用してレベルを定義すると、JMP が用語を定義します。 3 つの因子水準をすべて維持するには、モデルに二次項が必要です。
相関がゼロでない理由は、中心点の追加と設計の不均衡です。 中心点を省略しても相関関係は残ります。 この場合、12 回の実行を使用して、各主効果は他の 2 つの因子が関与する交互作用効果と相関しています (r = +/- 1/3)。 相関関係を排除するには、8 回または 16 回の実行を行う必要があります。
推定値におけるこれほどの相関関係をなぜ懸念するのでしょうか? そもそも高い分散応答を持っていますか? 因子レベルの変更による小さな影響はありますか?
Re: 相関関係と推定効率のカラーマップ@Mark_Baileyご返信ありがとうございます。 離散的な数値因子の代わりに連続的な因子を使用すると効果的ですが、離散数値係数を使用した場合、排気温度の二次項が追加されました。 ここで、主効果と 2 因子交互作用のみを含めると、相関関係が再び表示されます。 これは予想通りのことでしょうか、それとも何か違うことをしているのでしょうか?
Re: 相関関係と推定効率のカラーマップ直交性に関する具体的なリクエストに対処するのを忘れていました。 お気づきのように、この特性を実現するには非常にコストがかかる場合があります。 完全にバランスの取れた設計が必要であり、すべての推定列もバランスが取れている必要があります。 多くの場合、直交性がなくても経済的で効果的な設計を作成できます。 私が見つけた 12 件の実行には、低い相関関係がいくつかあるため、信頼区間の長さが若干大きくなっているようです。 相関関係があなたの場合に許容できるかどうかを確認してください。
Re: 相関関係と推定効率のカラーマップ離散数値因数を使用することに問題はありません。 これは基本的に連続因子ですが、レベルを指定すると、JMP がモデル内の項を指定します。 連続因子を使用して項を指定し、JMP でレベルを指定することもできます。 この方法で 12 回の実行でより良いデザインが得られました。 ここに表を保存しておきました。
あなたの例では、すべての主効果と 2 因子交互作用を含むモデルと、排気温度の 1 つの二次項を使用しているように見えました。 そのモデルは私が使っていたモデルです。
