적합 모형에 포함할 별칭 항안녕하세요
나는 어떤 요인이 재료의 기계적 특성에 가장 중요한 영향을 미치는지 확인하기 위해 주효과 선별 설계 실험을 수행했습니다. 내 요인은 다음과 같습니다.
L -> 5레벨 이산 숫자
R -> 2단계 범주형
S -> 2단계 범주형
T -> 2단계 범주형
기본 실행 횟수를 사용하고 동료가 제안한 반복 실행을 한 번 추가했으며 설계 평가 도구를 사용할 때 상관 값을 최소화하기 위해 최선을 다했지만 많지 않았기 때문에 실행을 최소한으로 유지해야했습니다. 작업할 재료의. 두 요인 상호 작용은 내가 올바르게 기억하면 설계에서 자동으로 제외되었으며 별칭 용어로 추가되었습니다.
이제 적합 모형 플랫폼과 효과 스크리닝을 사용하여 실험 데이터를 입력한 후 분석을 실행하면 적합 모형 플랫폼에 포함하는 별칭 항에 따라 중요한 효과가 달라집니다. 또한 대부분의 효과가 결과 효과 요약에 표시되지 않기 때문에 두 가지 요소 상호 작용을 모두 포함할 수 없습니다(예: LI는 두 가지 요소 상호 작용 항에 두 번만 포함할 수 있음). 이것이 디자인의 자유도와 관련이 있나요? 별칭 행렬에서 주효과와 가장 높은 상관 관계를 갖는 항에 우선순위를 부여하여 가능한 한 많은 2요인 상호 작용 항을 포함시키는 것이 올바른가요? 내 별칭 행렬에서 가장 높은 상관 관계 4개는 다음과 같습니다.
L*(T*R) - 0.69
L*(T*S) - 0.58
L*(S*R) - 0.58
R*(티*엘) - 0.56
여기서 괄호 안의 요인은 괄호 앞의 주효과와 부분적으로 별칭이 지정된 2요인 상호 작용 항입니다. 약 0.4의 값을 갖는 4개의 상관관계가 더 따르며 설계의 나머지 부분에는 상관관계 값이 매우 낮은 항이 포함됩니다.
이러한 별칭 항은 서로 다른 두 요인 상호 작용을 포함할 때 대부분의 경우 효과 L이 유일한 중요한 요인(p<0.05)으로 나타나는 이유입니까?위에 나열된 4개(상관 관계가 가장 높음)를 포함하여 어떤 요소가 중요한지 찾는 최선의 선택을 해야 합니까? 또한 적합 모델 분석에 두 가지 요인 상호 작용을 포함해야 합니까?
실험 설계Re: 적합 모형에 포함할 별칭 항ASTM 및 ISO 표준은 최적의 프로세스를 제공하기 위해 거의 수행되지 않습니다. 이는 많은 개인과 조직 간의 협력의 결과이며 종종 협상됩니다. 일반적으로 이는 최소한으로 허용되는 기준입니다.
설정이 일정하게 유지된다고 해서 프로세스가 변하지 않는다는 의미는 아닙니다! 예를 들어, 사출 성형 공정의 금형 온도를 지정된 온도로 설정할 수 있습니다. 그러나 공정이 진행되고 뜨거운 재료가 금형에 주입되면 금형 온도가 상승합니다. 이는 금형에 냉각수를 공급하여 대응할 수 있지만 이 모든 것이 실제 금형 온도의 변화에 영향을 미칩니다.
변수의 수는 조사에 제한이 없습니다. 물론 리소스에 따라 제한이 있을 수 있지만 순차적 샘플링 및 실험을 사용하여 조사할 수 있는 변수의 수에는 제한이 없습니다. 희소성, 계층 구조 및 유전의 원칙은 사실입니다. 근본적인 진실: 요인의 효과를 알아보려면 연구에서 해당 요인이 다양해야 합니다. 연구에서 일정하다면 그 효과를 추정할 방법이 없습니다. 따라서 전체 연구를 하나의 배치로 수행했기 때문에 배치가 변경될 때 결론이 유지될 것이라는 결론을 뒷받침할 데이터가 없습니다(결국 그렇게 될 것입니다).
실험에서 소음을 처리하기 위한 전략은 실험을 실행하기 전에 계획되고 수립되어야 합니다. 첫 번째 실험이 실행된 후 일부 전략을 활용할 수 있는 경우가 있지만 이는 최적이 아닙니다. 예를 들어 실험 블록 1의 첫 번째 반복을 고려한 다음 두 번째 블록에 대해 전체 실험을 다시 반복할 수 있지만 블록 내에서 일정했던 노이즈에 매우 주의하고 블록 간에 노이즈가 변경되는지 확인해야 합니다. .
다른 상황에서 사용하기 위해 실행을 회수할 수 있는 경우가 있지만 항상 "차단" 효과를 알고 있어야 합니다. "라는 말이 무슨 뜻인지 잘 모르겠습니다. 나는 단지 내 결과를 분석할 수 있는 최선의 방법을 찾으려고 노력하고 있을 뿐입니다."
예, 분석을 위해 JMP에 어떤 모델을 입력할지 결정합니다(적합 모델). 실험을 설계하기 전에 이 작업을 수행해야 실험을 통해 가장 관심 있는 효과를 추정할 수 있지만, 데이터를 확보한 후에도 분석을 위해 모델에 포함할 항목과 포함하지 않을 항목을 선택할 수 있습니다.
Re: 적합 모형에 포함할 별칭 항추가댓글에 관해서. 모든 설정이 항상 일정하게 유지되지는 않는다는 점에서 귀하는 타당한 발언을 했습니다. 그러나 현재 3D 프린팅 연구 분야에는 프린팅 시 따를 수 있는 ASTM/ISO 표준이 존재하지 않습니다. 이 표준을 개발하면 말씀하신 대로 특정 설정이 일정하게 유지되는 반면 다른 설정은 변수로 선택된다고 가정할 수 없습니다. 그러나 변경/조사할 수 있는 설정이 너무 많기 때문에 대부분의 연구자(문헌)는 일반적으로 제가 했던 것처럼 다른 설정을 일정하게 유지하면서 몇 가지 설정을 선택하여 변경합니다. 이는 여전히 매우 성장하고 있는 연구 분야입니다.
나는 전체적으로 같은 배치의 재료를 사용했습니다. 일부 소음 변수를 식별하는 것이 가능해야 합니다. 식별할 수 있는 경우: 언급한 전략(BCBD, 분할 플롯 등)을 사용하려면 설계를 생성하기 전에 노이즈 변수가 모델에 포함되어야 했습니까? 아니면 이미 수행한 후에도 이러한 전략을 지금 사용할 수 있습니까? 내 현재 디자인을 사용한 실험은요?
두 번째 단락에 대한 응답: 예를 들어 혼합물 설계를 대신 수행한다면 모든 실험을 다시 수행할 필요가 없도록 현재 실행과 유사한 실행이 생성될 수 있습니까? 시간과 남은 리소스(재료)가 제한되어 있으므로 결과를 분석할 수 있는 최선의 방법을 찾으려고 노력하고 있습니다. 모든 실행을 다시 수행하지 않고 더 나은 설계를 생성하는 것이 불가능하더라도 제기된 모든 문제를 실험 설계에 대한 토론에 계속 포함할 수 있습니다.
세 번째 문단에 대한 응답: "실행할 모델을 결정할 수 있습니다." - 제가 설계를 생성할 때, 즉 설계 테이블을 생성하기 전이나 적합 모델 플랫폼에서 결과를 분석할 때 여기서 언급하고 계셨습니까?
감사합니다!
Re: 적합 모형에 포함할 별칭 항추가 댓글:
귀하의 진술과 관련하여: " 다른 모든 설정은 기본 설정으로 제어됨 s 및 테스트 중 환경 변화와 같이 다양할 수 있고 모델에 포함되지 않은 변화도 계속 측정되어 유지되는지 확인했습니다. 다소 일정함 그리고 결과에 큰 영향을 미치지 않습니다. "
설정을 가지고 제어되거나 일정하게 유지되는 것은 미래 조건에 일반적이지 않은 추론 공간에서 실험이 실행될 수 있으므로 수행해야 할 작업이 아닙니다. 따라서 결과는 해당 조건으로 제한됩니다. 측정 시스템 오류를 연구해 보셨나요? 첨가제의 경우 단일 배치에서 나온 것입니까, 아니면 여러 배치에서 나온 것입니까? 배치별로 변형이 있나요? 이러한 노이즈 변수를 처리하는 전략이 있어야 합니다. 훌륭한 실험자의 말을 인용하자면:
"할 수 있는 것은 차단하고, 할 수 없는 것은 무작위로 지정" GEP 상자
모든 잡음 변수를 식별할 수 있는 경우 해당 변동 소스(예: BCBD, BIB, 분할 도표, 반복, 공변량 등)를 분할하고 할당하는 데 사용할 수 있는 훌륭한 전략이 있습니다. 그것들을 일정하게 유지하는 것은 영원히 그렇게 할 계획일 때만 좋은 생각입니다. . 잡음 변수를 식별할 수 없는 경우 무작위화를 사용하여 모든 잡음 변수의 조합에 대한 편견 없는 대표적인 추정치를 얻습니다. 이 추정치는 나중에 통계 테스트에 사용될 수 있습니다.
복제된 한 가지 처리로 소음에 대한 합리적인 추정치를 제공할 수 있을지 의문이지만 이는 단지 내 경험일 뿐입니다.
첫 번째 중요 항목을 이해했는지 잘 모르겠습니다. 해당 변수의 수준 설정에 제약이 있는 경우 혼합물 설계를 고려할 수 있습니다. 실험의 요점은 문헌에서 수행된 연구(완전히 다른 설계 공간에서 수행됨)를 검증하고 가설에 대한 통찰력을 제공하는 것입니다. 요인이 크든 작든 연구의 다른 요인과 관련하여 그 효과를 보여주는 것은 괜찮습니다. 귀하의 주장은 2단계 이상의 정당성을 제공하지 않습니다(당신의 상사가 원하기 때문에...).
두 번째 글머리 기호와 관련하여 부분 계승을 생성했습니다. 고차 효과를 1차 효과와 앨리어싱하여 이를 수행합니다. 이는 모든 부분 설계에 해당됩니다. 1차 효과를 2차 효과로 별칭을 지정하면 Res가 됩니다. III 설계, 1차 효과를 3차 효과로 별칭을 지정하면 Res. IV 등 앨리어싱은 아직 최적의 설계 공간에 있지 않고 어떤 요인이 가장 큰 영향을 미치는지 확신할 수 없기 때문에 처리 비용을 절약하려는 결과입니다. JMP에서 실행할 모델을 결정할 수 있습니다. 이를 달성하기 위한 여러 학파가 있습니다. 나는 포화된 모델로 시작하여 중요하지 않은 용어를 제거하는 경향이 있습니다. 다른 것들은 1개의 변수로 시작하여 순차적으로(단계적으로) 변수를 추가합니다. 올바른 방법은 없지만 구축한 모델을 평가하는 방법을 알아야 하며 JMP는 이를 지원하는 수많은 통계를 제공합니다.
Re: 적합 모형에 포함할 별칭 항신속한 답변에 다시 한 번 감사드립니다!
귀하의 중요 항목 의견과 관련하여: 내 실험에서는 내 재료로 만든 3D 프린팅 부품에 대한 첨가제(두 가지 요소)와 3D 프린팅 설정(두 가지 요소)의 효과를 조사하고 있습니다. 예, 저는 철저한 문헌 검색을 수행했으며 지도교수와 함께 어떤 수준에 어떤 변수를 포함해야 하는지 논의했습니다. 결정을 뒷받침하기에 충분한 데이터로 모든 것이 잘 계획되었습니다. 다른 모든 설정은 기본 설정에서 제어할 수 있으며 테스트 중 환경 변화와 같이 다양할 수 있고 모델에 포함되지 않은 설정은 여전히 측정되어 어느 정도 일정하게 유지되고 결과에 큰 영향을 미치지 않는지 확인했습니다.
1): 요소 L이 2레벨 요소이기를 바랐지만 이는 재료의 % 첨가제를 나타내고 특정 첨가제의 경우 0과 10% 사이의 % 첨가제의 1% 차이를 사용하므로 이는 가능하지 않았습니다. 여러 문헌 연구에 따르면 결과적인 재료 강도에 상당히 큰 영향을 미칩니다. 그래서 내 상사는 나에게 2개 이상의 레벨을 포함시키기를 원했습니다.
2) 별칭 용어에 관해서. 선별 설계를 생성할 때 모델에 주효과만 추가하고 설계 평가에는 별칭 항/행렬이 없습니다. 그러나 "테이블 만들기" 옵션을 선택한 다음 다시 설계 평가에 들어가자마자 2단계 상호 작용이 갑자기 "별칭 용어" 탭 아래에 나열되고 별칭 행렬이 나타납니다. 이는 제가 기존 선별 설계 옵션을 사용하고 있는데 표가 생성될 때 JMP가 5개 수준 요인을 선택하기 때문일까요?
내 L 인자가 편향된 이유와 오류항이 어떻게 영향을 받는지 설명해주셔서 감사합니다. 많은 도움이 되었습니다!
3) 반복 실행은 내가 무작위로 선택한 다음 스크리닝 설계에서 반복 추가 옵션을 허용하지 않으므로 수동으로 추가했습니다. 좀 더 편견 없는 오류 추정치를 얻기 위해 내 설계에 무작위 반복 실행을 더 추가할 것을 제안하시겠습니까?
감사합니다!
Re: 적합 모형에 포함할 별칭 항
내 첫 번째 의견은 다음과 같습니다. 이해가 안 됩니다.
- 실험 중인 프로세스(실험의 프로세스 맵을 만들었나요?),
- 그만큼 요인이나 이러한 요인에 대한 실험을 하게 만든 가설(사고 지도가 있습니까?)
- 반응 변수 또는 실제 가치가 있는 경우 반응 변수의 변화량,
- 실험이 어떻게 실행되었는지(실행 순서를 추적했습니까?) 무작위 순서로 실행되었나요?),
- 실험 과정에서 변경된(명시적으로 조작되지 않은) 다른 모든 변수를 어떻게 처리했는지.
따라서 내 답변이 완전하지 않을 수 있습니다.
1. 귀하가 첨부한 것은 2개 이상의 수준에 요인(L)이 있기 때문에 제가 고전적인 선별 설계라고 부르는 것이 아닙니다. 이렇게 한 이후로 다소 복잡한 앨리어싱 구조가 생성되었습니다. 2개 수준에서 4개 요인을 고수했다면 8개 처리에서 간단한 별칭 구조 해결 IV 설계를 갖게 됩니다. 왜 5개 수준에서 하나의 요소만 테스트하는지 이해가 되지 않습니다. 이는 연구의 다른 요인보다 요인 L에 관한 정보가 더 많기 때문에 결과를 편향시킵니다(L에 대한 자유도 4).
2. 나는 아직도 당신이 별명 "이라는 단어를 사용하는 것을 이해하지 못합니다. 모델에는 주효과만 포함되었으며 t는 2개의 요인 상호작용이 별칭 항으로 추가되었습니다. ". 동일한 모델에 별칭이 붙은 항을 추가하지 마십시오. 그렇지 않으면 결과 분석으로 인해 JMP에서 특이점 경고가 발생합니다. 제공하신 표에는 총 10개의 DF가 있습니다. 각 2수준 요인은 1DF이고 L에는 4DF가 있습니다(선형 1개, 2차 1개, 3차 1개, 4차 1개). 비선형 항은 2차(및 그 이상) 선형 효과로 부분적으로 별칭이 지정됩니다. L은 모델의 다른 변수에 비해 연속 변수로 간주되므로 혼합 모델 시나리오가 생성될 수 있습니다(고정 효과인 다른 요인에 비해 무작위 효과로 처리됨).
분석에는 여러 가지 접근 방식이 있습니다. 일부는 1개의 용어로 시작하여 모델에 용어를 추가하는 방식으로 추가로 수행합니다(단계적). 일부는 포화된 모델로 시작하여 중요하지 않은 용어를 제거하는 것을 선호합니다. 이 두 가지 모두 R-제곱, 조정된 R-제곱(및 2 사이의 델타), p-값, VIF(불균형 설계의 경우), MS 오류 및 이것이 다음을 대표하는지 여부를 이해하고 해석할 수 있는 능력이 필요합니다. 진실 오류, 실질적인 중요성 등. 모델에서 항을 제외하면 이는 오류 항으로 끝나고 F-검정에 영향을 미치는 MS오류 추정의 일부가 됩니다.모델에서 중요하지 않은 항을 제거하면 MSerror 항이 더욱 편향됩니다(p-값이 훨씬 더 중요해 보입니다).다니엘 MSerror 항에 의해 편향되지 않은 통계 테스트를 수행하기 위해 정규 플롯을 사용한 최초의 회사입니다.
3. 1회 반복 실행을 추가하면 IMHO 오류에 대한 대표적이고 편견 없는 추정치를 제공하는 데 거의 도움이 되지 않습니다. 그리고 복제를 위해 어떤 실행이 선택되었습니까? 무작위 반복실험은 확실히 오류에 대한 편견 없는 추정을 얻기 위해 수년 동안 사용/권장되었습니다. 아마도 더 있을 것입니다. 오류를 이해하고 오류가 미래 조건을 얼마나 대표하는지, 따라서 그것이 통계 테스트를 위한 좋은 기초인지 여부를 이해하는 효율적이고 효과적인 수단입니다.
Re: 적합 모형에 포함할 별칭 항안녕하세요. 시간을 내어 질문에 답변해 주셔서 감사합니다!
1 및 2): 실험 설계 경험이 있는 동료에게 도움을 요청했습니다. 저는 맞춤형 디자인으로 시작했지만 어떤 요소가 재료의 기계적 특성에 가장 큰 영향을 미치는지 알아내서 추가 연구에서 해당 요소에 집중할 수 있도록 하기 위해 고전적인 스크리닝 디자인을 수행하라는 지시를 받았습니다.
3 및 6): 선별 설계를 만드는 동안 주효과만 모델에 포함되고 두 요인 상호 작용이 별칭 항으로 추가되었음을 의미합니다. 연구 결과를 수집하고 적합 모델 플랫폼을 사용하여 분석해야 한 후 별칭 행렬과 컬러 맵이 일부 주효과와 두 요인 상호작용이 있지만 주효과 자체 사이에는 그렇지 않습니다. 어떤 주효과가 특정 두 요인 상호 작용에 의해 편향될 수 있는지 밝히기 위해 별칭 행렬을 이해하고 있습니까? 제가 읽은 내용에 따르면 이러한 두 가지 요인 상호 작용이 적합 모델 섹션에 포함되어야 한다고 생각했습니다. 별칭 항을 추가하지 않고 적합 모형 분석만 실행하여 결과를 얻는 경우 유의하다고 표시된 주효과가 실제로 유의한지 여부를 확인하려면 무엇을 살펴봐야 합니까? 나는 특이점에 대해 잘 모르지만 가서 이것에 대해 읽을 것입니다.
4): 테이블이 생성된 후 선별 설계에 하나의 반복 실행을 수동으로 추가하라는 지시를 받았지만 이것이 어떻게 도움이 되는지 잘 모르겠습니다.
여기에 JMP 설계표를 첨부하겠습니다.
Re: 적합 모형에 포함할 별칭 항약간 혼란스럽습니다. 여기에 몇 가지 질문/의견이 있습니다.
1. 선별 설계를 실행하는 경우 요인을 5개 수준에서 검정하는 이유는 무엇입니까? 이를 통해 최적화 설계와 연관될 가능성이 더 높은 4차 다항식을 추정할 수 있습니다.
2. Custom Design을 사용하고 가장 관심 있는 모델 용어를 추가했다고 가정하겠습니다.
3. "라는 말이 무슨 뜻인지 이해가 안 돼요. 내가 올바르게 기억한다면 두 요인 상호 작용은 설계에서 자동으로 제외되었으며 별칭 용어로 추가되었습니다. 에스." 적합 모델에서 별칭이 있는 항을 가질 수 없습니다. 그렇지 않으면 특이점이 발생합니다.
4. "1회 반복 실행 추가"도 이해가 안 되나요? 통계 테스트에서 오류로 인해 DF 1개를 얻기 위해 이렇게 하였습니까? 복제할 치료법을 어떻게 선택했나요? 통계 테스트 실현 MSfactor/MSerror(F-테스트)는 오류가 편향되지 않고 무작위로 분포되며 희망적으로는 오류를 대표한다고 가정합니다. 진실 무작위 오류(1회 반복 치료로 어떻게 이런 오류가 발생하는지 모르시나요?) 그리고 잔차는 NID(0,variance) 가정을 충족합니다.
5. 모델의 각 계수는 조건부이며 크기, 때로는 부호가 변경됩니다.이는 모델의 다른 변수(및 노이즈)에 따라 달라집니다.
6. 이해가 안 돼요 " 별칭 행렬의 주효과와 가장 높은 상관관계를 갖는 항목에 우선순위가 부여됩니다." 만약 당신의 모델 변수는 서로 상관되어 있으며 이는 다중 공선성입니다. 당신은 이것을 원하지 않습니다. 매개변수 추정 테이블에서 VIF를 확인하세요.
아마도 JMP 테이블을 첨부하면 커뮤니티에서 살펴볼 수 있을 것입니다.
