Le Definitive Screening Design est-il adapté aux réponses multiples ?Chère communauté JMP,
Dans le cas du DOE pour filtrer les facteurs pour les réponses multiples, j'essaie d'utiliser DFD (Definitive Screening Design).
Les résultats n'ont cependant fourni que des facteurs significatifs réponses individuelles . Je suis plus intéressé à connaître les facteurs significatifs affectant toutes les réponses.
Dans la conception de dépistage standard (Fraction Factorial Res III, Res IV ou Res V) pour les réponses multiples, je peux obtenir des résultats pour des facteurs significatifs qui incluent toutes les réponses, plutôt qu'individuellement.
Existe-t-il un moyen pour DFD de fournir ce genre de résultats pour des réponses multiples ?
Merci et restez en sécurité.
Br,
Chris
Re : La conception de la sélection définitive convient-elle aux réponses multiples ?Je suis un peu confus par la façon dont vous utilisez les expressions « réponses individuelles » et « réponses multiples ». Si j'utilise le script Fit Definitive Screening Design (ou la plate-forme native Fit Definitive Screening Design) intégré dans un tableau de données JMP créé à l'aide de la plate-forme Definitive Screening Design, j'obtiens des analyses séparées et distinctes pour chaque réponse dans le rapport, tout comme je le ferais à l'aide de la plateforme Fit Model. Je n'obtiens pas nécessairement les MÊMES réponses pour un modèle, des effets significatifs, etc., car il existe une logique/un flux de travail intégré pour le script/la plate-forme Fit Definitive Screening, en partie parce que le flux de travail s'appuie sur certaines hypothèses concernant l'hérédité et la rareté des effets. Les détails relatifs à ce flux de travail se trouvent dans la documentation en ligne de JMP :
https://www.jmp.com/support/help/en/15.1/#page/jmp/the-fit-definitive-screening-platform.shtml#
Re : La conception de la sélection définitive convient-elle aux réponses multiples ?La réponse courte est oui, le plan de dépistage définitif est approprié pour le cas à réponses multiples.
Les considérations relatives à l'utilisation d'un DSD par rapport à d'autres méthodes de conception n'ont rien à voir avec le nombre de réponses. Ils ont plus à voir avec la décision s'il s'agit d'une situation de dépistage. C'est-à-dire, vous attendez-vous à ce que les principes de dépistage clés soient respectés et n'est-ce pas l'un des cas pour lesquels le DSD n'était pas destiné (voir le billet de blog de Bradley Jones).
Si vous faites référence à l'utilisation de l'option Fit Definitive Screening pour sélectionner le modèle, les réponses sont ajustées individuellement. Ce schéma d'analyse n'est pas possible avec plus d'une réponse à la fois. Vous pouvez enregistrer le modèle ajusté pour chaque réponse, puis les combiner en sélectionnant Graphique > Profileur. Vous seriez en mesure d'examiner comment chaque facteur affecte toutes les réponses. (Il est généralement considéré comme une bonne pratique d'adapter le meilleur modèle individuellement à chaque réponse.)
Les autres choix de conception produisent le script de table Modèle. JMP adaptera conjointement les réponses multiples par défaut, mais vous pouvez ignorer ce choix. L'ajustement d'un modèle commun détermine toujours les estimations des paramètres individuels, mais le modèle contient les mêmes termes pour chaque réponse. Le résumé des effets présente le résultat pour chaque terme pour la réponse la plus significative (plus petite valeur de p).
Vous pouvez analyser une expérience DSD à l'aide de la même plate-forme Fit Least Squares en commençant par Analyze > Fit Model si vous préférez ce comportement. Vous pouvez toujours prendre le contrôle et choisir l'autre comportement si cela convient mieux à votre objectif.
