3 つの変数と 1 つの 4 水準カテゴリを含む DOE の最適な設計親愛なるみんな
3 つの変数と 4 つのレベル カテゴリカルで最適な設計を見つけようとしています。 今のところ、28 セットのカスタム デザイン RSM があります。もっと良いものはありますか？
理想的には15セットまで減らしたいです。
よろしくお願いします
敬具
ステファニー
Re: 3 つの変数と 1 つの 4 レベル カテゴリカルを含む DOE の最適な設計おそらく質問の範囲を超えていますが、デザインの選択に影響を与える要因は次のとおりです。
- 制約：時間、お金、測定能力など。 治療回数できる作られるのか？
- 操作する因子の数 (比較する仮説の数) はどれくらいですか?
- ノイズはどのように管理または分割されるのでしょうか?
- 一部の要素は他の要素よりも変更が難しいのでしょうか?ランダム化に関して他に制限はありますか?
- 相互作用 (または他の高次の効果) は疑わしい/予測されていますか?
- 望ましい解像度は何ですか? (どのような効果を推定/分離したいですか?)
Re: 3 つの変数と 1 つの 4 レベル カテゴリカルを含む DOE の最適な設計考慮すべき点...カスタム設計は、設計要素を理解するためにリソースを最も効率的に使用できる可能性がありますが、状況に関連するノイズ要素については何もしません。 エイリアシングは非常に複雑になる場合があります (部分的なエイリアシングなど)。
Re: 3 つの変数と 1 つの 4 レベル カテゴリカルを含む DOE の最適な設計例を添付します。
明確にしておきますが、私はこのデザインを使用することを推奨しているわけではありません。 これは、解決策に向けて検討する必要がある設計の選択肢を検討するのに役立つ例です。
3 つの連続因子は X1...X3 で、4 水準カテゴリは X4 です。 すべての主効果と、X4 と連続因子の間の相互作用を備えたモデルを選択しました。 実行数はこのモデルの最小値です。 最適性の基準は D-optimal です。 繰り返しますが、私はこれらの選択を推奨しているわけではありません。決めるのはあなたです。
テーブル内の DOE ダイアログ スクリプトを実行すると、設計の選択肢が選択されたカスタム デザイン インターフェイスを確認できます。
これがお役に立てば幸いです。
よろしくお願いします。
フィル
Re: 3 つの変数と 1 つの 4 レベル カテゴリカルを含む DOE の最適な設計親愛なるフィル
例を教えていただけますか?どうもありがとうございます。
敬具
ステファニー
Re: 3 つの変数と 1 つの 4 レベル カテゴリカルを含む DOE の最適な設計こんにちは、
あなたの目的は、最も重要な要素をスクリーニングすることです。 一般的なアドバイスは、スクリーニング用に小さなデザインから始めることです。 その後、後でさらに実行して補強して、最も重要な要素についてさらに詳しく知ることができます。
したがって、このスクリーニング目的のために小さなカスタム設計から始めることは理にかなっています。
あなたは、4 レベルのカテゴリ因子と 3 つの連続因子の間に重要な相乗効果がある可能性があると考えています。 カスタム デザイン プラットフォームでは、テストするモデルにこれらの「インタラクション」効果を追加できます。
カスタム デザインでは、最小実行数と推奨実行数が表示されます。 それを決めるのはあなた次第です。 ただし、後でさらに実行して拡張できることを覚えておいてください。
役立つ場合は、カスタム デザイン データ テーブルの例を共有できます。 これには DOE ダイアログ スクリプトが含まれており、カスタム デザイン インターフェイスでデザインがどのように作成されたかを確認できます。
よろしく、
フィル
Re: 3 つの変数と 1 つの 4 レベル カテゴリカルを含む DOE の最適な設計応答変数が何なのかわかりません。 賦形剤は、有効成分に何かをするために使用される物質だと思います（結合、運搬、希釈、嵩高、安定化など）。具体的には何をしたいのですか？また、これをどのように測定しますか？ 賦形剤の配合は何ですか? 賦形剤の配合を考慮すると、賦形剤の性能が異なる理由について仮説を立てることができるかもしれません。 これを考慮すると、2 つの極端な賦形剤を選択して、ほとんどの異なるタイプの賦形剤配合をカバーする推論範囲を増やすことができる可能性があります。 研究において賦形剤が他の変数よりも重要であることがすでにわかっていて、各賦形剤に対する因子と二次効果の最適な組み合わせは何かを理解しようとしている場合、それは別のタイプの研究になります。 本当にスクリーニングを行っている場合は、最初の研究で考えられるすべての賦形剤をテストする必要はなく、賦形剤による考えられる変動の代表的なサンプルを取得するだけで十分です。
Re: 3 つの変数と 1 つの 4 レベル カテゴリカルを含む DOE の最適な設計ご協力ありがとうございます。
次のことをテストしたいと思います。
変数 1: 連続: 高および低
変数 2: 連続: 高および低
変数 3: 連続: 高および低
変数 4: 賦形剤 1、賦形剤 2、賦形剤 3、賦形剤 4。
各賦形剤が異なるため、変数 4 に連続を使用することはできないと思います。
バイアスを減らすための提案はありますか?
今のところ最高で28セットあります。
ご協力をよろしくお願いいたします。
敬具
ステファニー
Re: 3 つの変数と 1 つの 4 レベル カテゴリカルを含む DOE の最適な設計ステファニー
変数をスクリーニングしている場合、なぜ 4 レベルのカテゴリカルがあるのか気になります。 最も離れているカテゴリのうち 2 つを使用して、4 つの変数すべてについて結論を引き出すための推論空間を増やすことはできますか? Mark が提案しているように、すべての変数に太字の設定を使用するようにしてください。 「勝者を選ぶ」のではなく、各要因の影響を不偏に推定しようとしているのです。 1 つの変数を 4 レベルでテストすると、研究がその変数に偏ることになります (自由度が 3 であるのに対し、他の自由度は 1)。 最初の計画で 4 レベルのうち 2 つを選択できる場合は、それらの 4 つを res IV 部分階乗で 8 回の処理で実行できます。 また、ノイズと、実験中にノイズを処理するための戦略について考えることをお勧めします (どのような設計であっても、常に制御されている変数よりも制御されていない変数の方が多くなります)。
Re: 3 つの変数と 1 つの 4 レベル カテゴリカルを含む DOE の最適な設計親愛なるマーク
ご回答ありがとうございました。
実験の目的は、どのパラメータが出力に最も影響を与えるかをスクリーニングすることです。 3 つの連続変数と 1 つの 4 レベルのカテゴリカルがあります
レベル 4 のカテゴリカルが答えを提供すると思います。 カテゴリ変数と連続変数の間に相乗効果が生じる可能性は十分にあります。 確かに双方向の相互作用が存在します。 しかし、あなたが提案したように、最初の1つの方法で試してみます。
助けてくれてありがとう！
Re: 3 つの変数と 1 つの 4 レベル カテゴリカルを含む DOE の最適な設計設計のパフォーマンスを評価するための指標は数多くあります。 設計の最終的な目的は、線形モデルのパラメーターの推定をサポートする最適なデータを提供することです。 この実験にとって、どの指標が最も重要ですか? この実験の目的は何ですか?
過飽和設計を計画しない限り、最小実行数は推定されるパラメーターの数と同じです。 また、現時点でテストが重要である場合、実行数は推定値のテストに必要な検出力を達成する 1 つの方法です。 15 回の実行による設計は十分な電力を提供しますか? 大きな効果を不正に与えるために連続因子の範囲を広く使用していませんか? この戦略は、あらゆる設計のパワーも最大化します。
ということは、連続因子が 3 つあるということですね。 4 つのレベルを持つカテゴリカル因子はいくつありますか?
