2因数階乗とカテゴリー共変量（と思います！）興味のある2つの要素を含む実験を設計しています。30分のランニングを16回行うのに十分な時間があります。各30分間の実行の過程で、チーム（1つの単位として機能）は4つのオブジェクト（またはアイテム）にさらされ、これらの4つのオブジェクトのそれぞれが、依存応答変数を構成する測定可能な応答を生成します。多様性とリアリズムのために、これらの4つのオブジェクトは8つのセットからランダムに描画されます（さらに多く作成することもできます）。 8)オブジェクトなので、実行ごとに同じシナリオは表示されません。これらの4つの項目は、各実行前に既知ですが、ランダム化されています。これらの実行構成のそれぞれは、実行ごとに簡単に変更できます。これらはすべて、実行マトリックスに適切にランダム化された後、すべて事前準備されています。画像はこのセットアップを示していますが、実行順序はもちろんランダム化されます。2つの要因の主な影響と相互作用の影響のみに関心がある場合、設計と分析の両方についてJMPで最も適切な設定は何ですか？
Re：2因子の階乗とカテゴリカル共変量（と思います！）さらに情報が必要です。 可能なオブジェクトは全部で8つありますか？実際に何を測定していますか？同じYですか？各オブジェクトの結果は同じですか？各オブジェクトの結果がアプリオリであることを知っていますか？測定値を正規化できますか（ターゲットからのデルタなど）？
1つの推測オブジェクトの各測定値は、処理の組み合わせの繰り返しです（独立したイベントとは見なされません）。 各処理の組み合わせ（つまり、2 Yか？）について、4つの測定値（おそらく測定誤差）の平均をとり、分散を取ることができる場合があります。 この場合、合計3つの自由度があり、Y = Factor1 + Factor2 +（Factor1）（Factor2）のモデルがあります。
別の推測提案どおりに16の処理/実行をランダム化した場合（まだ4つの処理の組み合わせのみ）、実行の独立したイベントを考慮できる場合があります。 もしそうなら、あなたは15のDFを持っています：Y = Factor1 + Factor2 +（Factor1）（Factor2）+ Error
いずれの場合も、4つのオブジェクトは独立変数ではなく従属変数に関連しています。
Re：2因子の階乗とカテゴリカル共変量（と思います！）可能なオブジェクトは全部で8つありますか？
はい、しかしそれらの8つは理論的に大きい人口の代表です。それらは、私たちが気にしないいくつかの特性が異なるオブジェクトです。
実際に何を測定していますか？同じYですか？
各実行から得られるいくつかの従属変数があります。たとえば、timeToDoActionX
各オブジェクトの結果は同じですか？
番号
各オブジェクトの結果がアプリオリであることを知っていますか？
番号
測定値を正規化できますか（ターゲットからのデルタなど）？
番号
Re：2因子の階乗とカテゴリカル共変量（と思います！）特定の状況について具体的な助言を与えることは困難ですが、オブジェクト間の変動を処理するための2つのオプションを考えることができます。
1。オブジェクトが従属変数にどのように影響するかについて仮説を立てている場合は、それらの効果を割り当てることができる可能性があります...ブロックのアイデアのようなもの。 このタイプのシナリオでは、完全にランダム化するのではなく、各処理の組み合わせに関連付けるオブジェクトを「制御」する必要があります。
2。仮説がない場合は、処理ごとにオブジェクトをランダム化し、それらの複製を使用して実験誤差を推定します。
Re：2因子の階乗とカテゴリカル共変量（と思います！）ありがとう @statman ... JMPトレーニングデータファイルがこの状況に類似しているのではないかと思います。従うべき詳細。
これは、関心のある要因を制御できるラボ環境での人間によるループ実験であり、運用上の現実性のためにいくつかのさまざまなシナリオを注入しています。さまざまなオブジェクトは、30分間の実行中に参加者チームに提示されるさまざまなターゲットプロファイルです。
実行内のいくつかの（たとえば4つの）シナリオオブジェクトのそれぞれが、チームがその30分の時間の一定の割合で追跡するターゲットです。これが重要な応答変数です。オブジェクトが追跡される時間の割合です。一部の要因レベル（より優れた追跡機能を備えている）は、おそらくチームのパフォーマンスを向上させます-つまり、追跡時間の割合を高くします。
これらの16の30分の実行のいずれかで、2つの主な要因がその30分の実行に対して固定されます。要因計画には2x2 = 4つの因子レベルの組み合わせがあるため、各組み合わせの複製が4つあります。それで結構です。しかし、オペレーターチームが各実行でさらされるシナリオを（特にJMPで）適切に処理する方法は私にとって混乱しています。これらのシナリオのプロファイル/オブジェクトは、種類、速度、高度など、さまざまな点で異なります。種類を生成する以外に特に重要ではない、カテゴリと数値の特性の組み合わせです。それらは各実行にランダムに割り当てられます。これらのターゲットが有限数ある場合、それらをカテゴリカル共変量のように扱うことができますか？可能であれば、JMP DOEダイアログを直接参照するアドバイスが必要です。
再度、感謝します、
グレッグ
Re：2因子の階乗とカテゴリカル共変量（と思います！）それぞれの応答で私はあなたが何をしようとしているのかについてより良いアイデアを得ています。 複数のオブジェクトが示す「ノイズ」（タイプ、速度、高度など）を理解することに興味がないことを確認します。 個人的には、次のことを決定することで大きなメリットを得ることができると思います。
1。設計要因と相互作用の影響は何ですか
2。これらの効果は、変化するノイズ条件にわたって一貫していますか
3。特定のノイズ変数との相互作用はありますか？
これらの効果がオブジェクトの変化に依存している場合、「平均してこれらは設計要素の効果である」と言ってもあまり役に立ちません。
繰り返しますが、複数のオプションがあります。 異なるオブジェクトエフェクトを「共変量」と呼ぶかどうかはわかりませんが、それらをブロック（たとえば、ランダムブロック）として扱うことができます。 上記の効果を理解したい場合は、分割プロットの方向に進むことができます。
架空のデータテーブルを作成する場合は、いくつかの分析手順を提案できます。
Re：2因子の階乗とカテゴリカル共変量（と思います！）まあ、私たちがやろうとしていることを他にどのように説明するのかわかりません。関心のある2つの要素は、低/高の指定で示唆されているようにカテゴリであり、応答は通常パーセンテージ（総時間に対するパーセンテージとしての追跡時間、または機会に対するパーセンテージとしての成功）です。
Re：2因子の階乗とカテゴリカル共変量（と思います！）申し訳ありませんが、議論する方がはるかに効率的です...いずれにせよ、サイズ4の4つのランダムなブロックを持つ架空のデータセットを添付しました。 私は2つの応答を含めました：追跡時間と合計の％（合計時間が固定されているため、実際の時間を使用できます）。 この分析を行う3つの方法を以下に示します。すべてFit Model Platformを使用しています。
1。JMPデフォルト（REML）。分析>モデルの適合（これに2次効果を追加します）
2。独自に記述し、ブロックごとの相互作用を含めます。 これは飽和モデルです。項を削除して（通常のプロットとパレート図を使用して）、適切なモデルを取得してください
3。 独自のモデルを作成します。 ブロックと因子効果の階乗のみを含めます。 これにより、典型的なANOVA出力が得られます
これらのモデルは添付のHypoJournalにあります。
Re：2因子の階乗とカテゴリカル共変量（と思います！）うーん。ブロックの役割を理解できていません。Re：2因子の階乗とカテゴリカル共変量（と思います！）ありがとう @statman 、あなたはおそらくブロッキングを適用することで何かに夢中になっていると思います。これはおそらくここで適切です。元の投稿のグリッドにある8つの異なるターゲットプロファイル（T1、T2、...、T8）などが、速度（速いvs遅い）、サイズ（大きいvs小さい）など、いくつかの際立った特性を持っていると仮定します。）。その特性が応答に与える影響は気にしていませんが、不要なノイズの混入を懸念している場合は、ブロックすることができます。ブロッキングに関する私の混乱は、ブロッキングの先入観と「変更が難しい」要因の一般的な使用に起因していると思います-これは、T1のみを使用した一連の実行を実行する必要があることによって制約されていることを意味しますターゲット、次にT4ターゲットのみを使用する一連の実行など -「ターゲットタイプ」を変更するのが困難であるかのように。私はそのように制約されていませんが、そのような一連の実行に対して一定に保たれていなくても、ターゲットタイプに対してブロックできることを収集します。その権利はありますか？申し訳ありませんが、これはJMP固有の質問ではなく、DOEレッスンになりましたが、私が遭遇したブロックに関する多くの例を使用して状況を調整しようとしています。
ありがとう
Re：2因子の階乗とカテゴリカル共変量（と思います！）心配無用です。 多くの場合、「最良の」アプローチに関するアドバイスは状況に大きく依存し、それでも複数のオプションがあります。 私が通常行うことは、複数のオプションをレイアウトし、考えられるすべての結果を予測し、各オプションが私を「導く」場所です。 次に、1つを選んで実行します。反復する必要があることに気付きます。 ブロッキング（Fisher）の最初の使用は農業の状況への適用であったため、ブロッキングは混乱を招く可能性があります。 産業の状況では、ブロッキングにはさまざまな用途があります。 特定のノイズ変数を識別でき、実験の過程でそれらを制御できる場合、いくつかの適切なオプションがあります（分割プロットは1つです）。 それらを識別でき、おそらくそれらを明確に制御できない場合（周囲の条件のようにそれらをグループ化する可能性があります）、他に利用可能なオプションがあります。 非線形ブロック効果は意味をなさないため、産業実験では2ブロックを超えることはお勧めしません（産業実験で2レベルを超えて実行する唯一の理由は非線形効果を推定するためです）。 ここで、特定したノイズがブロック内で一定のままであり、ブロック間で変化する各ブロックを実行することにより、これらのブロックを誇張することができます。 この方法で実験を実行すると、ブロックを固定効果として扱い、ブロックとブロックごとの相互作用に自由度を割り当てることができます。 堅牢な設計とは、ブロックごとの相互作用がないため、この方法により、堅牢な設計の作成を加速できます。
実験の途中でノイズを特定または「管理」できない場合は、ランダム化を行い、推論スペースを増やし、統計的テストのバイアスを軽減します。
「できることをブロックし、できないことをランダム化する」。GEPボックス
