Type de données vs rôle de conception pour la conception factorielle généraleJe passe de Minitab à JMP pour un cours ce semestre et j'ai du mal avec le flux de travail.
Exemple : J'ai une expérience factorielle générale à 2 facteurs avec 3 niveaux chacun (plan 3^2). Les variables elles-mêmes sont continues (par exemple, la température et la pression). Je veux faire deux choses :
1. Évaluer une factorielle générale modèle d'effets avec des effets principaux (Température, Pression) et une interaction à 2 facteurs (Pression*Température) qui traite les trois niveaux de facteurs comme des variables catégorielles.
2. Ajuster une surface de réponse comprenant une courbure quadratique où les facteurs sont traités comme des variables continues.
Remarque : cet ensemble de données a une courbure quadratique, de sorte que les réponses pour les niveaux haut et bas sont relativement similaires et le niveau moyen est celui qui est différent.
Pour # 1, si j'ai envoyé les facteurs en tant que continu à 3 niveaux mais que j'ai défini le «rôle de conception» sur catégorique, le modèle semble toujours être adapté en tant que variable continue codée -1 et +1 pour les valeurs basses et élevées. Le niveau intermédiaire (celui qui est en fait différent) est effectivement codé 0 et n'est pas utilisé dans le calcul de l'effet. S'il est configuré en tant que catégoriel à 3 niveaux, le modèle produit ce à quoi je m'attendrais avec un effet calculé pour chaque niveau, reconnaissant que le niveau intermédiaire est différent des deux autres.
Si je sais que je veux faire une analyse qui est un modèle d'effets avec des variables catégorielles puis passer à l'ajustement d'une surface de réponse avec des variables continues, quel est le flux de travail des meilleures pratiques ? Configurer deux tables de données différentes avec des types de données différents ?
Re : Type de données vs rôle de conception pour la conception factorielle généraleJe recommanderais cette approche, mais il y en a certainement d'autres. "Meilleur" sera une opinion.
Commencez par DOE> Classique> Conception factorielle complète.
Entrez 2 facteurs continus, chacun avec 3 niveaux.
Faire la conception avec une réplique pour un total de 18 passages.
Remplissez vos données de réponse.
Pour l'analyse ANOVA, modifiez les types de modélisation de vos deux facteurs pour qu'ils soient nominaux.
Effectuez cette analyse.
Pour l'analyse RSM, redéfinissez les types de modélisation de vos deux facteurs sur continu.
Effectuez cette analyse.
Re : Type de données vs rôle de conception pour la conception factorielle généraleJ'apprécie vraiment votre temps. Voici un exemple. J'enseigne un cours du DOE qui utilise MINITAB depuis toujours. Le chapitre 5 du livre Montgomery DOE donne un aperçu des conceptions factorielles générales, d'une analyse ANOVA classique à l'introduction de surfaces de réponse via une régression des moindres carrés (les conceptions CCD, etc. viennent plus tard).
Dans l'exemple ci-joint, un seul jeu de données est analysé comme une factorielle générale puis une surface continue. Dans MINITAB, nous pourrions mettre en place et analyser une factorielle générale. Avec le même tableau de données, ajustez une régression linéaire générale en tant que variables continues et spécifiez des temps quadratiques. Pas besoin de modifier les propriétés des données.
Quel est le meilleur flux de travail dans JMP ? Cet exemple a en fait été élaboré dans JMP, mais il me manque les meilleures pratiques de flux de travail (modifier le type de variable ou définir de nouvelles tables de données).
Re : Type de données vs rôle de conception pour la conception factorielle généraleDésolé, je pense que j'ai été confus par votre question. Je pensais que vous étiez dans la plateforme DOE>Custom Design ou DOE>Classical>Response Surface. Vous avez déjà créé et exécuté la conception et vous essayez maintenant d'analyser 2 manières différentes (l'une traitant les variables comme continues et l'autre traitant les variables comme catégorielles). Juste curieux, pourquoi voulez-vous changer le type de données pour les x ? Essayez-vous d'obtenir un résultat spécifique (par exemple, quantitatif ou graphique) ? Quelle sortie vous intéresse ?
Dans tous les cas, il existe plusieurs façons de faire la même chose dans JMP. Ce que je fais habituellement lorsque j'enseigne le logiciel, c'est de montrer les différentes options disponibles et de laisser chaque individu choisir la sortie qui lui convient le mieux. Des moyens de voir facilement et visuellement les informations contenues dans les données. (le Guide du nouvel utilisateur JMP https://www.jmp.com/welcomekit/en/#/?_k=evx4id et de nombreux tutoriels en ligne sont utiles)
Re : Type de données vs rôle de conception pour la conception factorielle généraleC'est absolument comme une nouvelle langue. Jusqu'à présent, j'aime JMP. C'est beaucoup plus accessible aux étudiants de notre université en termes de licence.
Nous avons JMP Pro 15. Je pense que je confonds "Type de modélisation" et "Rôle de conception". J'avais le type de données et le type de modélisation définis sur "numérique et" continu ", mais le rôle de conception défini sur " catégoriel ". Le type de modèle est ce que j'ai besoin de définir sur nominal, pas le rôle de conception sur catégorique pour obtenir un modèle d'effets.
Re : Type de données vs rôle de conception pour la conception factorielle généraleQuelle version de JMP utilisez-vous ? Dans la version 15+, vous pouvez choisir entre Numérique discret, Catégorique, Blocage, Covariable, Mélange, Constante, Non contrôlé (options de conception personnalisées). Si vous ajoutez des facteurs N comme continus, leur rôle sera continu. Vous pouvez toujours modifier cela dans le tableau de données. Lorsque vous examinez la liste des facteurs dans votre tableau de données, vous verrez des icônes indiquant le "rôle" qu'ils joueront dans l'analyse (nominal, ordinal ou continu).
Je sais qu'apprendre un nouveau logiciel, c'est comme apprendre une autre langue. Mais je dirai qu'en ayant utilisé plusieurs au fil des ans, je pense que JMP et l'interface utilisateur de JMP sont de loin supérieurs à Minitab une fois que vous vous y êtes habitué.
Re : Type de données vs rôle de conception pour la conception factorielle généraleMerci beaucoup pour la réponse rapide. C'est vraiment utile. La modification du rôle de conception pour un type de données continu a-t-elle un impact sur Fit Model ? Il semble que non, car un type de données continu avec un rôle de conception catégoriel est toujours adapté comme une variable continue. Je veux juste m'assurer que je n'ai rien raté.
Merci encore!
Re : Type de données vs rôle de conception pour la conception factorielle généraleJe dois travailler avec les deux logiciels, donc je peux fournir quelques conseils. Tout d'abord, ci-joint un document qui peut vous aider. Pour votre situation, vous pouvez basculer le type de variable de Nominal à Ordinal à Continu en sélectionnant l'icône colorée à côté du nom de la variable dans la colonne de gauche. Pour que l'analyse se fasse comme si les variables étaient catégorielles, il suffit de sélectionner le type de données Nominal et d'inclure les trois termes dans le modèle (Analyze>Fit Model). Pour les tests d'analyse de régression attribuant les termes quadratiques, remettez les variables sur Continu. Vous avez plusieurs options. Analyse>Ajuster le modèle : mettez en surbrillance les colonnes avec les facteurs, sélectionnez Macro>Surface de réponse (ceci inclura les effets principaux, l'itération de 2e ordre et les termes quadratiques dans le modèle. (Ou vous pouvez écrire votre propre modèle saturé).
Faites-moi savoir si vous avez besoin d'explications plus détaillées.
