一般要因計画におけるデータ型と設計の役割今学期のコースのために Minitab から JMP に移行するのですが、ワークフローに苦労しています。
例: それぞれ 3 つのレベルを持つ 2 因子の一般要因実験があります (3^2 計画)。 変数自体は連続的です (温度や圧力など)。 やりたいことは 2 つあります。
1. 一般的な階乗を評価するエフェクトモデル主効果 (温度、圧力) と 3 つの因子水準をカテゴリ変数として扱う 2 元交互作用 (圧力*温度) を使用します。
2. 因子が連続変数として扱われる二次曲率を含む応答曲面を近似します。
注: このデータセットには二次曲率があるため、高レベルと低レベルの応答は比較的類似しており、中間レベルは異なります。
#1 では、因子を 3 水準連続として送信し、「設計の役割」をカテゴリカルに設定した場合でも、モデルは、低値と高値に対して -1 と +1 でコード化された連続変数として適合しているように見えます。 中間レベル (実際には異なるレベル) は事実上 0 にコード化され、効果の計算には使用されません。 3 レベルのカテゴリカルとして設定されている場合、モデルは、中間レベルが他の 2 つとは異なることを認識して、レベルごとに計算された効果で期待されるものを出力します。
カテゴリ変数を使用した効果モデルという分析を 1 つ実行してから、連続変数を使用した応答曲面のフィッティングに移行することがわかっている場合、ベスト プラクティスのワークフローは何ですか? まったく異なるデータ型を持つ 2 つの異なるデータ テーブルをセットアップしますか?
Re: 一般要因計画におけるデータ型と設計の役割私はこのアプローチをお勧めしますが、確かに他のアプローチもあります。 「最高」は意見になります。
DOE > 古典的 > 完全実施要因計画から始めます。
それぞれ 3 つのレベルを持つ 2 つの連続因子を入力します。
1 回の反復でデザインを作成し、合計 18 回実行します。
応答データを入力します。
ANOVA 分析の場合、2 つの因子のモデリング タイプを公称値に変更します。
その分析を実行します。
RSM 分析の場合は、2 つの因子のモデリング タイプを連続に戻します。
その分析を実行します。
Re: 一般要因計画におけるデータ型と設計の役割本当にありがとうございました。 ここに例を示します。 私は、歴史的に MINITAB を使用してきた DOE コースを教えています。 Montgomery DOE の本の第 5 章では、古典的な ANOVA 分析から最小二乗回帰による応答曲面の導入まで、一般的な要因計画の概要が説明されています (CCD 設計などは後ほど説明します)。
添付の例では、単一のデータセットが一般階乗として解析され、次に連続曲面として解析されます。 MINITAB では、一般的な階乗を設定して分析できます。 同じデータ テーブルを使用して、一般線形回帰を連続変数として近似し、二次時間を指定します。 データのプロパティを変更する必要はありません。
JMP の最適なワークフローは何ですか? この例は実際には JMP で作成されましたが、ワークフローのベスト プラクティス (変数の型を変更するか、新しいデータ テーブルを定義する) が抜けています。
Re: 一般要因計画におけるデータ型と設計の役割申し訳ありませんが、あなたの質問に混乱していたようです。 DOE > Custom Design または DOE > Classical > Response Surface プラットフォームにいると思いました。 すでに計画を作成して実行しており、現在は 2 つの異なる方法 (変数を連続として扱う方法と変数をカテゴリとして扱う方法) を分析しようとしています。 なぜ x のデータ型を変更したいのですか? 取得しようとしている特定の出力 (定量的またはグラフなど) はありますか? どのような出力に興味がありますか?
いずれにせよ、JMP で同じことを行う方法は複数あります。 ソフトウェアを教えるときに私が通常行うのは、利用可能なさまざまなオプションを示して、どの出力が自分にとって「最適」であるかを各自に選択させることです。 データにどのような情報があるかを簡単かつ視覚的に確認する方法。 (JMP 新しいユーザーガイドhttps://www.jmp.com/welcomekit/en/#/?_k=evx4id多くのオンライン チュートリアルが役に立ちます)
Re: 一般要因計画におけるデータ型と設計の役割それはまったく新しい言語のようなものです。 今のところ、私はJMPが気に入っています。 私たちの大学の学生にとっては、ライセンスの面ではるかにアクセスしやすくなっています。
JMP Pro 15があります。 「モデリングのタイプ」と「デザインの役割」を混同しているようです。 データ タイプとモデリング タイプを「数値」および「連続」に設定しましたが、デザイン ロールを「カテゴリ」に設定しました。 効果モデルを取得するために設計ロールをカテゴリカルに設定する必要があるのではなく、モデル タイプを公称に設定する必要があります。
Re: 一般要因計画におけるデータ型と設計の役割JMP のどのバージョンを使用していますか? バージョン 15 以降では、離散数値、カテゴリカル、ブロック化、共変量、混合、定数、非制御 (カスタム デザイン オプション) から選択できます。 N ファクターを継続として追加すると、その役割は継続的になります。 これはいつでもデータテーブルで変更できます。 データテーブル内の因子のリストを見ると、分析における因子の「役割」（名目値、順序値、または連続値）に関するアイコンが表示されます。
新しいソフトウェアを学ぶことは、別の言語を学ぶことに似ていることはわかっています。 しかし、何年にもわたっていくつかを使用してきたので、慣れてしまえば、JMP と JMP の UI は Minitab よりもはるかに優れていると思います。
Re: 一般要因計画におけるデータ型と設計の役割素早いご返信ありがとうございます。 これは本当に助かります。 連続データ型の設計ロールを変更すると、モデルの適合に影響がありますか? カテゴリカルの設計役割を持つ連続データ型は依然として連続変数と同様に適合するため、そうではないようです。 何かを見逃していないことを確認したいだけです。
再度、感謝します！
Re: 一般要因計画におけるデータ型と設計の役割私は両方のソフトウェア プログラムを使用する必要があるので、いくつかのガイダンスを提供できます。 まず、参考になりそうな文書を添付します。 状況に応じて、左側の列の変数名の横にある色付きアイコンを選択することで、変数のタイプを公称、順序、連続の順に切り替えることができます。 変数がカテゴリカルであるかのように分析を実行するには、公称データ タイプを選択し、モデルに 3 つの項を含めるだけです ([分析] > [モデルの適合])。 二次項を割り当てる回帰分析テストの場合は、変数を連続に切り替えます。 いくつかの選択肢があります。 [分析] > [モデルの適合]: 因子を含む列を強調表示し、[マクロ] > [応答曲面] を選択します (これには、モデル内の主効果、2 次反復、および 2 次項が含まれます)。 (または、独自の飽和モデルを作成することもできます)。
さらに詳細な説明が必要な場合はお知らせください。
