¿El Diseño de Cribado Definitivo es adecuado para múltiples respuestas?Estimada comunidad JMP,
En el caso de DOE para seleccionar factores para respuestas múltiples, trato de usar DFD (Diseño de evaluación definitiva).
Sin embargo, los resultados solo proporcionaron factores significativos seleccionados para respuestas individuales . Estoy más interesado en conocer los factores significativos que afectan todas las respuestas.
En el diseño de detección estándar (factorial fraccional Res III, Res IV o Res V) para respuestas múltiples, puedo obtener resultados para factores significativos que incluyen todas las respuestas, en lugar de individualmente.
¿Hay alguna forma en que DFD pueda proporcionar ese tipo de resultados para múltiples respuestas?
Gracias y mantente a salvo.
Hermano,
cris
Re: ¿El Diseño de Cribado Definitivo es adecuado para múltiples respuestas?Estoy un poco confundido por la forma en que usa las frases 'respuestas individuales' y 'respuestas múltiples'. Si uso el script Fit Definitive Screening Design (o la plataforma nativa Fit Definitive Screening Design) incrustado en una tabla de datos de JMP que se creó con la plataforma Definitive Screening Design, obtengo análisis separados y distintos para cada respuesta en el informe tal como lo haría utilizando la plataforma Fit Model. No necesariamente obtengo las MISMAS respuestas para un modelo, efectos significativos, etc. porque hay una lógica/flujo de trabajo incorporado para el guión/plataforma de Fit Definitive Screening en parte porque el flujo de trabajo aprovecha algunas suposiciones sobre la herencia y la escasez del efecto. Los detalles de este flujo de trabajo se encuentran en la documentación en línea de JMP aquí:
https://www.jmp.com/support/help/en/15.1/#page/jmp/the-fit-definitive-screening-platform.shtml#
Re: ¿El Diseño de Cribado Definitivo es adecuado para respuestas múltiples?La respuesta corta es sí, el diseño de cribado definitivo es apropiado para el caso de múltiples respuestas.
Las consideraciones para usar un DSD sobre otros métodos de diseño no tienen nada que ver con la cantidad de respuestas. Tienen más que ver con decidir si se trata de una situación de detección. Es decir, ¿espera que se mantengan los principios clave de detección y no es uno de los casos para los que DSD no estaba destinado (consulte la publicación de blog de Bradley Jones)?
Si se refiere al uso de la opción Ajustar cribado definitivo para seleccionar el modelo, las respuestas se ajustan individualmente. Este esquema de análisis no es posible con más de una respuesta a la vez. Puede guardar el modelo ajustado para cada respuesta y luego combinarlos seleccionando Graph > Profiler. Podrá examinar cómo cada factor afecta a todas las respuestas. (En general, se considera una mejor práctica ajustar el mejor modelo individualmente a cada respuesta).
Las otras opciones de diseño producen la secuencia de comandos de la tabla Modelo. JMP ajustará conjuntamente las múltiples respuestas de forma predeterminada, pero puede anular esa opción. Ajustar un modelo común todavía determina estimaciones de parámetros individuales, pero el modelo contiene los mismos términos para cada respuesta. El resumen de efectos presenta el resultado de cada término para la respuesta que es más significativa (valor p más pequeño).
Puede analizar un experimento DSD utilizando la misma plataforma Ajustar mínimos cuadrados comenzando con Analizar > Ajustar modelo si prefiere ese comportamiento. Siempre puede tomar el control y elegir el otro comportamiento si se adapta mejor a su propósito.
