Datentyp vs. Entwurfsrolle für den allgemeinen faktoriellen EntwurfIch wechsle dieses Semester für einen Kurs von Minitab zu JMP und habe Probleme mit dem Arbeitsablauf.
Beispiel: Ich habe ein allgemeines faktorielles 2-Faktor-Experiment mit jeweils 3 Ebenen (3^2-Design). Die Variablen selbst sind kontinuierlich (z. B. Temperatur und Druck). Ich möchte zwei Dinge tun:
1. Bewerten Sie eine allgemeine Fakultät Effektmodell mit Haupteffekten (Temperatur, Druck) und wechselseitiger Interaktion (Druck*Temperatur), die die drei Faktorebenen als kategoriale Variablen behandelt.
2. Passen Sie eine Antwortfläche mit quadratischer Krümmung an, wobei die Faktoren als kontinuierliche Variablen behandelt werden.
Hinweis: Dieser Datensatz weist eine quadratische Krümmung auf, sodass die Antworten für die hohen und niedrigen Ebenen vergleichsweise ähnlich sind und die mittlere Ebene unterschiedlich ist.
Wenn ich für Nr. 1 die Faktoren als kontinuierliche 3-Ebenen-Faktoren gesendet habe, aber die „Entwurfsrolle“ auf „kategorisch“ gesetzt habe, scheint das Modell immer noch als kontinuierliche Variable mit den Codierungen „-1“ und „+1“ für die niedrigen und hohen Werte geeignet zu sein. Die mittlere Ebene (diejenige, die tatsächlich anders ist) wird effektiv mit 0 codiert und bei der Effektberechnung nicht verwendet. Wenn es als 3-Ebenen-Kategorie eingerichtet ist, gibt das Modell das aus, was ich erwarten würde, mit einem für jede Ebene berechneten Effekt, wobei erkannt wird, dass sich die mittlere Ebene von den beiden anderen unterscheidet.
Wenn ich weiß, dass ich eine Analyse durchführen möchte, bei der es sich um ein Effektmodell mit kategorialen Variablen handelt, und dann zur Anpassung einer Antwortoberfläche mit kontinuierlichen Variablen übergehen möchte, was ist der Best-Practice-Workflow? Zwei verschiedene Datentabellen mit insgesamt unterschiedlichen Datentypen einrichten?
Betreff: Datentyp vs. Designrolle für allgemeines faktorielles DesignIch würde diesen Ansatz empfehlen, aber es gibt sicherlich auch andere. „Am besten“ wird eine Meinung sein.
Beginnen Sie mit DOE > Klassisch > Vollfaktorielles Design.
Geben Sie 2 stetige Faktoren mit jeweils 3 Stufen ein.
Erstellen Sie das Design mit einer Wiederholung für insgesamt 18 Durchläufe.
Geben Sie Ihre Antwortdaten ein.
Ändern Sie für die ANOVA-Analyse die Modellierungstypen Ihrer beiden Faktoren auf nominal.
Führen Sie diese Analyse durch.
Ändern Sie für die RSM-Analyse die Modellierungstypen Ihrer beiden Faktoren wieder auf kontinuierlich.
Führen Sie diese Analyse durch.
Betreff: Datentyp vs. Designrolle für allgemeines faktorielles DesignIch schätze Ihre Zeit wirklich. Hier ist ein Beispiel. Ich unterrichte einen DOE-Kurs, der in der Vergangenheit MINITAB verwendet hat. Kapitel 5 des Montgomery DOE-Buches gibt einen Überblick über allgemeine faktorielle Designs von einer klassischen ANOVA-Analyse bis zur Einführung von Antwortflächen durch eine Regression der kleinsten Quadrate (CCD-Designs usw. folgen später).
Im beigefügten Beispiel wird ein einzelner Datensatz als allgemeine Fakultät und dann als kontinuierliche Oberfläche analysiert. In MINITAB konnten wir eine allgemeine Fakultät erstellen und analysieren. Passen Sie mit derselben Datentabelle eine allgemeine lineare Regression als kontinuierliche Variablen an und geben Sie quadratische Zeiten an. Dateneigenschaften müssen nicht geändert werden.
Was ist der beste Workflow in JMP? Dieses Beispiel wurde tatsächlich in JMP ausgearbeitet, aber mir fehlen die Best Practices für den Workflow (Variablentyp ändern oder neue Datentabellen definieren).
Betreff: Datentyp vs. Designrolle für allgemeines faktorielles DesignEntschuldigung, ich glaube, Ihre Frage hat mich verwirrt. Ich dachte, Sie befinden sich auf der Plattform „DOE>Custom Design“ oder „DOE>Classical>Response Surface“. Sie haben den Entwurf bereits erstellt und ausgeführt und versuchen nun, auf zwei verschiedene Arten zu analysieren (eine behandelt die Variablen als kontinuierlich und eine behandelt die Variablen als kategorisch). Ich bin nur neugierig, warum Sie den Datentyp für die x ändern möchten? Gibt es eine bestimmte Ausgabe (z. B. quantitativ oder grafisch), die Sie erhalten möchten? An welcher Ausgabe sind Sie interessiert?
In jedem Fall gibt es in JMP mehrere Möglichkeiten, dasselbe zu tun. Wenn ich die Software unterrichte, zeige ich normalerweise die verschiedenen verfügbaren Optionen und lasse jeden Einzelnen auswählen, welche Ausgabe für ihn „am besten“ funktioniert. Möglichkeiten, einfach und visuell zu erkennen, welche Informationen in den Daten enthalten sind. (das JMP New User Guide https://www.jmp.com/welcomekit/en/#/?_k=evx4id und viele Online-Tutorials sind nützlich)
Betreff: Datentyp vs. Designrolle für allgemeines faktorielles DesignEs ist absolut wie eine neue Sprache. Bisher gefällt mir JMP. Es ist lizenzrechtlich für die Studierenden unserer Hochschule deutlich zugänglicher.
Wir haben JMP Pro 15. Ich glaube, ich verwechsle „Modellierungstyp“ und „Designrolle“. Ich hatte den Datentyp und den Modellierungstyp auf „numerisch“ und „kontinuierlich“ eingestellt, die Entwurfsrolle jedoch auf „kategorisch“. Um ein Effektmodell zu erhalten, muss ich den Modelltyp auf „nominal“ und nicht die Designrolle auf „kategorisch“ setzen.
Betreff: Datentyp vs. Designrolle für allgemeines faktorielles DesignWelche JMP-Version verwenden Sie? In Version 15+ können Sie zwischen diskreten numerischen, kategorischen, blockierenden, kovariaten, gemischten, konstanten und unkontrollierten Optionen (benutzerdefinierte Designoptionen) wählen. Wenn Sie N Faktoren als kontinuierlich hinzufügen, ist ihre Rolle kontinuierlich. Sie können dies jederzeit in der Datentabelle ändern. Wenn Sie sich die Liste der Faktoren in Ihrer Datentabelle ansehen, sehen Sie Symbole, die angeben, welche „Rolle“ sie in der Analyse spielen werden (Nominal, Ordinal oder Kontinuierlich).
Ich weiß, dass das Erlernen einer neuen Software wie das Erlernen einer anderen Sprache ist. Aber ich muss sagen, nachdem ich im Laufe der Jahre mehrere davon verwendet habe, denke ich, dass JMP und die Benutzeroberfläche von JMP Minitab bei weitem überlegen sind, wenn man sich erst einmal daran gewöhnt hat.
Betreff: Datentyp vs. Designrolle für allgemeines faktorielles DesignVielen Dank für die schnelle Antwort. Das ist wirklich hilfreich. Hat die Änderung der Entwurfsrolle für einen kontinuierlichen Datentyp Auswirkungen auf Fit Model? Dies scheint nicht der Fall zu sein, da ein kontinuierlicher Datentyp mit der Entwurfsrolle „kategorisch“ immer noch wie eine kontinuierliche Variable passt. Ich möchte nur sicherstellen, dass mir nichts entgeht.
Danke noch einmal!
Betreff: Datentyp vs. Designrolle für allgemeines faktorielles DesignIch muss mit beiden Softwareprogrammen arbeiten, daher kann ich einige Hinweise geben. Zunächst ist ein Dokument beigefügt, das hilfreich sein kann. Für Ihre Situation können Sie den Variablentyp von Nominal auf Ordinal und auf Kontinuierlich umschalten, indem Sie das farbige Symbol neben dem Variablennamen in der Spalte links auswählen. Damit die Analyse so durchgeführt wird, als ob die Variablen kategorisch wären, wählen Sie einfach den Datentyp „Nominal“ aus und fügen Sie die drei Terme in das Modell ein (Analysieren > Modell anpassen). Für Regressionsanalysetests mit Zuweisung der quadratischen Terme schalten Sie die Variablen wieder auf „Kontinuierlich“ um. Sie haben mehrere Möglichkeiten. Analysieren > Modell anpassen: Markieren Sie die Spalten mit den Faktoren, wählen Sie „Makro“ > „Antwortfläche“ (dies umfasst die Haupteffekte, Iteration 2. Ordnung und quadratische Terme im Modell). (Oder Sie können Ihr eigenes gesättigtes Modell schreiben).
Lassen Sie mich wissen, wenn Sie detailliertere Erklärungen benötigen.
