285962_de-DE

liliconcom

Singularitätsprobleme mit gekreuzten kategorialen Faktoren

Ich habe zwei kategoriale Faktoren. Die erste ist die Art des Abdeckmaterials, wobei zwei Arten verfügbar sind. Da auch kein Abdeckmaterial verwendet werden kann, hat dieser Faktor 3 Stufen. Der zweite Faktor ist die Methode zum Auftragen dieser Materialien und hat zwei Ebenen (ohne Überlappung oder mit Überlappung). Ich bin daran interessiert, ein Modell mit den Haupteffekten und der Interaktion anzupassen. Wenn ich versuche, es auf diese Weise auszuführen (Tabellenskript „Test 1“), weist der Bericht auf eine Singularität hin. Kein Wunder, dass das Modell 6 Parameter erfordern würde, die X-Matrix jedoch nur 5 zulässt. Das Problem besteht darin, dass die Berichte wie die Wirkungszusammenfassung oder der Interaktionsprofiler nicht funktionieren.

Ich habe verschiedene Ansätze ausprobiert, um mit der Situation umzugehen:

• Entfernen der Einträge in der Methode, wobei type == „None“ („Test 2“). Auf diese Weise werden diese Zeilen beim Anpassen des Modells ignoriert.
• Kreuzungsart und -methode manuell („Test 3“)
• Verschachtelungsmethode in Typ („Test 4“)
• manuelle Kodierung der Ebenen in numerische Spalten („Test 5“)
• manuelle Kodierung der Ebenen in kategoriale Spalten („Test 6“). Das bringt nichts.

Bei den Tests 1, 3, 4 und 5 handelt es sich grundsätzlich um unterschiedliche Methoden, um dasselbe Modell zu formulieren und denselben R², dasselbe F-Verhältnis oder dieselben Vorhersageintervalle zu erhalten. Allerdings sind sie alle hinsichtlich der Visualisierung und Prüfung der wesentlichen Wirkungen und Wechselwirkungen nicht wirklich zufriedenstellend.

Was ist der richtige oder zumindest vernünftige Weg, mit dieser Situation umzugehen?

 

PS: Bei der Suche mit Google habe ich nur Folgendes gefunden, was nicht wirklich hilfreich ist:

https://stats.stackexchange.com/questions/388206/constructing-3-way-anova-when-design-is-not-fully-factorial

 

Danke

dk

Datenexploration und -visualisierungBetreff: Singularitätsprobleme mit gekreuzten kategorialen Faktoren

Danke, das ist genau das, was ich brauche. Sie können diesen Thread schließen, wenn Sie möchten.

Ich habe nur eine kleine Bemerkung: Ich habe keinen Unterschied gesehen, ob die Mittelpolynome ein- oder ausgeschaltet sind.

Betreff: Singularitätsprobleme mit gekreuzten kategorialen Faktoren

Wenn Sie das Modell mit JMP anpassen, achten Sie außerdem darauf, die Option „Polynome zentrieren“ im Dialogfeld „Modell anpassen“ zu deaktivieren, da Sie sonst keine korrekte Modellanpassung erhalten.  

Betreff: Singularitätsprobleme mit gekreuzten kategorialen Faktoren

Sie können X1*X2 kreuzen (unter Z verschachtelt)

 

Y = Achsenabschnitt + a*Z + b*Z*X1 + c*Z*X2 + d*Z*X1*X2

Betreff: Singularitätsprobleme mit gekreuzten kategorialen Faktoren

Vielen Dank so weit. Da ich bei Type = None nicht zwischen den Methoden unterscheiden kann, kann ich den Interaktionseffekt nicht abschätzen. Das heißt, von den 6 Parametern im Modell sind nur 5 unabhängig, sodass 5 voreingenommen sind und einer auf Null gesetzt ist. Nach meinem Verständnis wäre es sinnvoll, diesen Type[None] x Method-Interaktionsterm auf Null zu setzen.

 

Leider wird der andere standardmäßig auf Null gesetzt. Wissen Sie, wie man der Software mitteilt, welcher Term auf 0 gesetzt werden soll?

Betreff: Singularitätsprobleme mit gekreuzten kategorialen Faktoren

Vielen Dank so weit. Dies ist eine Extraktion aus einem größeren DOE. Zum Einrichten des DOE habe ich den Ansatz aus Test 3 verwendet (Typ und Methode manuell kreuzen). Auf diese Weise habe ich in der vollständigen Tabelle alle möglichen Faktorkombinationen realisiert. Ich hätte gerne Signifikanztests für die Haupteffekte und die Wechselwirkungen 1. Ordnung. Mit den Ansätzen, die ich ausprobiert habe, ist dies jedoch nicht möglich. Beispielsweise kann ich in Test 3 (manuelles Kreuzen von Typ und Methode) den Beitrag der Methode allein nicht heraustrennen.

Betreff: Singularitätsprobleme mit gekreuzten kategorialen Faktoren

Vielen Dank so weit. Das klingt sehr vernünftig. Ist es möglich (und wenn ja, wie), die verschachtelten Effekte X1 und X2 zusätzlich zu kreuzen?

Es wird einige Zeit dauern, bis ich mir Ihren Link genauer anschaue.

Betreff: Singularitätsprobleme mit gekreuzten kategorialen Faktoren

Ein Problem besteht darin, dass Sie verschachtelte Faktoren haben (glaube ich), daher sollten Sie nicht alle wechselseitigen Interaktionen betrachten.

Faktor 1: Benutzen Sie ein Material oder nicht?(Z)

Verschachtelter Faktor 2: Wenn Sie ein Material verwendet haben, welche Art von Material (X1)

Verschachtelter Faktor 3: Wenn Sie ein Material verwendet haben, mit welcher Methode haben Sie das Material aufgetragen? (X2)

 

Code Z als kontinuierliche Variable, Z=0, wenn kein Material verwendet wird, Z=1, wenn ein Material verwendet wird

dann wäre ein passendes Modell dazu passend

 

Y = Achsenabschnitt + a*Z + b*Z*X1 + c*Z*X2

 

Sie betrachten also nur die Auswirkung von „ein Material verwenden“ und die Wechselwirkung von „ein Material verwenden“ mit dem Materialtyp und der verwendeten Methode.

Eine aktuelle gute Referenz, die dieses Modell und die Erstellung experimenteller Designs für diese Situation beschreibt, finden Sie hier https://doi.org/10.1080/00401706.2018.1562986

 

 

 

Betreff: Singularitätsprobleme mit gekreuzten kategorialen Faktoren

Ich bin verwirrt von „ Das Problem besteht darin, dass die Berichte wie die Wirkungszusammenfassung oder der Interaktionsprofiler nicht funktionieren. Was meinst du mit nicht funktionieren?

Das Problem mit Ihren Daten ist, dass sie nicht ausgewogen sind. Der Instanz, bei der Type=None ist, ist keine Methode zugeordnet.

Wenn Sie die Daten lediglich grafisch darstellen möchten, ist Graph Builder sehr nützlich.

 

 

 

Betreff: Singularitätsprobleme mit gekreuzten kategorialen Faktoren

Die Singularität weist in diesem Fall darauf hin, dass Sie nicht über alle richtigen Beobachtungen verfügen, um alle Auswirkungen abzuschätzen. Sie können versuchen, ein Experiment für diese Faktoren und das gewünschte Modell zu entwerfen, um festzustellen, welche Durchläufe erforderlich sind. Hierfür reicht die Mindestanzahl an Durchläufen aus. In Ihren Daten fehlen einige Ebenenkombinationen. Sie haben nur Type = None mit Method = Method A beobachtet, daher können Sie den Interaktionseffekt nicht abschätzen.