Welche Aliasbegriffe sollen in das Anpassungsmodell aufgenommen werden?Schönen Tag
Ich habe ein Designexperiment zum Screening von Haupteffekten durchgeführt, um festzustellen, welcher meiner Faktoren den größten Einfluss auf die mechanischen Eigenschaften eines Materials hat. Meine Faktoren waren:
L -> diskrete Zahl mit 5 Stufen
R -> 2 Level kategorisch
S -> 2 Level kategorisch
T -> 2 Level kategorisch
Ich habe die Standardanzahl von Läufen verwendet und einen Replikatlauf hinzugefügt, wie dies von einem Kollegen vorgeschlagen wurde, und mein Bestes versucht, die Korrelationswerte bei Verwendung der Entwurfsbewertungstools zu minimieren, musste aber die Läufe auf ein Minimum beschränken, da ich nicht viel hatte von Material zu arbeiten. Die Zwei-Faktor-Wechselwirkungen wurden automatisch aus dem Entwurf ausgeschlossen, wenn ich mich richtig erinnere, und als Alias-Begriffe hinzugefügt.
Wenn ich jetzt meine Analyse durchführe, nachdem ich meine experimentellen Daten über die Fit-Modell-Plattform und das Effekt-Screening eingegeben habe, variieren die signifikanten Effekte je nachdem, welche Alias-Begriffe ich in die Fit-Modell-Plattform einbinde. Ich kann auch nicht alle Zwei-Faktor-Wechselwirkungen einbeziehen (z. B. kann LI nur zweimal in einen Zwei-Faktor-Wechselwirkungsterm einschließen), da die meisten Effekte dann einfach nicht in der resultierenden Effektzusammenfassung angezeigt werden. Hat dies etwas mit den Freiheitsgraden im Design zu tun? Ist es richtig zu versuchen, so viele der beiden Faktorinteraktionsterme wie möglich einzubeziehen, wobei denjenigen mit der höchsten Korrelation mit den Haupteffekten in der Aliasmatrix Vorrang eingeräumt wird? In meiner Alias-Matrix lauten die 4 höchsten Korrelationen wie folgt:
L * (T * R) - 0,69
L * (T * S) - 0,58
L * (S * R) - 0,58
R * (T * L) - 0,56
Dabei sind die Faktoren in Klammern der Zwei-Faktor-Interaktionsterm, der teilweise mit dem Haupteffekt vor der Klammer in Einklang steht. Es folgen 4 weitere Korrelationen mit Werten um 0,4, und der Rest des Entwurfs enthält Terme mit sehr niedrigen Korrelationswerten.
Sind diese Aliasbegriffe der Grund, warum der Effekt L in den meisten Fällen als einziger signifikanter Faktor (p <0,05) auftritt, wenn ich verschiedene Zwei-Faktor-Wechselwirkungen einbeziehe?Sollte ich die oben aufgeführten 4 (mit den höchsten Korrelationen) als meine beste Wahl angeben, um herauszufinden, welche Faktoren signifikant sind, wenn es welche gibt? Muss ich überhaupt zwei Faktorenwechselwirkungen in die Analyse des Anpassungsmodells einbeziehen?
AnalytikDAMHIRSCHKUHBetreff: Welche Aliasbegriffe sollen in das Anpassungsmodell aufgenommen werden?Ich bin ein bisschen verwirrt, deshalb hier einige Fragen / Kommentare:
1. Wenn Sie ein Screening-Design ausführen, warum testen Sie einen Faktor auf 5 Ebenen? Auf diese Weise können Sie ein Polynom 4. Ordnung schätzen, das eher mit einem Optimierungsdesign verbunden ist.
2. Ich gehe davon aus, dass Sie Custom Design verwendet und die Modellbegriffe hinzugefügt haben, an denen Sie am meisten interessiert waren.
3. Ich verstehe nicht, was du mit " Die Zwei-Faktor-Wechselwirkungen wurden automatisch aus dem Design ausgeschlossen, wenn ich mich richtig erinnere und wurden als Aliasbegriff hinzugefügt s. " Sie können keine Begriffe haben, die im Anpassungsmodell mit einem Alias versehen sind, oder Sie erhalten Singularität.
4. Ich verstehe auch nicht "einen Replikatlauf hinzugefügt"? Haben Sie dies getan, um 1 DF für einen Fehler für Ihren statistischen Test zu erhalten? Wie haben Sie die zu replizierende Behandlung ausgewählt? Realisieren Sie den statistischen Test MSfactor / MSerror (F-Test) geht davon aus, dass die Fehler unvoreingenommen, zufällig verteilt und hoffentlich VERTRETEND sind wahr zufällige Fehler (nicht sicher, wie Sie dies mit 1 wiederholten Behandlung erhalten?). Und die Residuen erfüllen die NID-Annahmen (0, Varianz).
5. Jeder Koeffizient im Modell ist bedingt und seine Größe und manchmal das Vorzeichen ändern sich.Sie hängen von den anderen Variablen im Modell (und dem Rauschen) ab.
6. Verstehe nicht " Priorität für diejenigen mit der höchsten Korrelation mit den Haupteffekten in der Alias-Matrix ". Wenn dein Modellvariablen sind korreliert, dies ist Multikollinearität. Das willst du nicht. Stellen Sie sicher, dass Sie VIFs in der Parameterschätzungstabelle überprüfen.
Vielleicht hängen Sie Ihre JMP-Tabelle an und die Community kann einen Blick darauf werfen.
Betreff: Welche Aliasbegriffe sollen in das Anpassungsmodell aufgenommen werden?Hallo und vielen Dank, dass Sie sich die Zeit genommen haben, meine Fragen zu beantworten!
1 und 2): Ich wurde an einen Kollegen verwiesen, der Erfahrung im experimentellen Design hat. Ich begann mit einem kundenspezifischen Design, wurde jedoch aufgefordert, lieber ein klassisches Siebdesign zu erstellen, um herauszufinden, welche Faktoren die wichtigsten mechanischen Materialeigenschaften am stärksten beeinflussen, damit wir diese in der weiteren Forschung berücksichtigen können.
3 und 6): Ich meinte, dass bei der Erstellung des Screening-Designs nur die Haupteffekte in das Modell einbezogen wurden und die beiden Faktor-Wechselwirkungen als Alias-Begriffe hinzugefügt wurden. Nachdem ich meine Forschungsergebnisse gesammelt hatte und mithilfe der Plattform für Anpassungsmodelle analysieren musste, war ich verwirrt darüber, ob ich Alias-Begriffe in den Abschnitt für Anpassungsmodelle einfügen sollte, bevor ich die Analyse durchführte, da die Alias-Matrix und die Farbkarte partielles Aliasing und Korrelation von zeigten Einige Haupteffekte und Zwei-Faktor-Wechselwirkungen, jedoch nicht zwischen den Haupteffekten selbst. Ich verstehe die Alias-Matrix, um zu zeigen, welche Haupteffekte durch bestimmte Zwei-Faktor-Wechselwirkungen verzerrt werden können. und nach dem, was ich gelesen habe, dachte ich, dass diese beiden Faktor-Wechselwirkungen dann in den Abschnitt über das Anpassungsmodell aufgenommen werden sollten? Wenn ich nur die Analyse des Anpassungsmodells ohne Hinzufügen von Alias-Begriffen durchführe und meine Ergebnisse erhalte, worauf sollte ich achten, um festzustellen, ob die als signifikant angegebenen Haupteffekte wirklich signifikant sind? Ich bin mit Singularität nicht vertraut, werde mich aber darüber informieren.
4): Mir wurde gesagt, dass ich nach dem Generieren der Tabelle manuell einen Replikatlauf zum Screening-Design hinzufügen soll, bin mir aber nicht sicher, wie dies hilft.
Ich hänge hier meine JMP-Designtabelle an.
Betreff: Welche Aliasbegriffe sollen in das Anpassungsmodell aufgenommen werden?
Meine ersten Kommentare sind, ich verstehe nicht:
- der Prozess, an dem experimentiert wird (haben Sie eine Prozesslandkarte des Experiments erstellt?),
- das Faktoren noch die Hypothesen, die Sie dazu gebracht haben, mit diesen Faktoren zu experimentieren (haben Sie eine Gedankenkarte),
- die Antwortvariablen noch wie viel Änderung in den Antwortvariablen, wenn von praktischem Wert,
- Wie wurde das Experiment ausgeführt (haben Sie die Laufreihenfolge verfolgt? Wurde es in zufälliger Reihenfolge ausgeführt?),
- wie Sie mit allen anderen Variablen umgegangen sind, die sich im Verlauf des Experiments geändert haben (die nicht explizit manipuliert wurden).
Daher sind meine Antworten möglicherweise nicht vollständig.
1. Was Sie angehängt haben, ist nicht das, was ich als klassisches Screening-Design bezeichnen würde, da Sie einen Faktor (L) auf mehr als 2 Ebenen haben. Seitdem haben Sie eine ziemlich komplexe Aliasing-Struktur erstellt. Wenn Sie sich an 4 Faktoren auf 2 Ebenen gehalten hätten, hätten Sie in 8 Behandlungen ein direktes Design für die Auflösung der Alias-Struktur IV. Ich verstehe nicht, warum Sie nur einen Faktor auf 5 Ebenen testen würden. Dies verzerrt die Ergebnisse, da mehr Informationen zu Faktor L vorliegen als zu anderen in der Studie (4 Freiheitsgrade für L).
2. Ich verstehe immer noch nicht, wie Sie das Wort Alias verwenden. " nur die Haupteffekte wurden in das Modell und das t aufgenommen Zwei Faktorwechselwirkungen wurden als Aliasbegriffe hinzugefügt ". Sie fügen keine Begriffe hinzu, die auf dasselbe Modell ausgerichtet sind, oder die resultierende Analyse ruft in JMP eine Singularitätswarnung auf. In der von Ihnen angegebenen Tabelle haben Sie insgesamt 10 DF. Jeder 2-Ebenen-Faktor ist 1 DF und es gibt 4 DF für L (1 für linear, 1 für quadratisch, 1 für kubisch und 1 für quartisch). Die nichtlinearen Terme sind teilweise mit linearen Effekten 2. Ordnung (und höher) versehen. Da L im Vergleich zu den anderen im Modell als kontinuierliche Variable betrachtet wird, kann dies zu einem gemischten Modellszenario führen (behandelt als zufälliger Effekt im Vergleich zu den anderen Faktoren, bei denen es sich um feste Effekte handelt).
Es gibt mehrere Ansätze zur Analyse ... einige tun dies additiv, indem sie mit einem Begriff beginnen und dem Modell Begriffe hinzufügen (schrittweise). Einige bevorzugen es, mit einem gesättigten Modell zu beginnen und Begriffe zu entfernen, die als unbedeutend angesehen werden. Beides erfordert Verständnis und Interpretationsfähigkeit: R-Quadrat, R-Quadrat angepasst (und das Delta zwischen den 2), p-Werte, VIFs (für unsymmetrische Designs), MS-Fehler und ob dies repräsentativ für das ist wahr Fehler, praktische Bedeutung usw. Wenn Sie einen Term aus dem Modell herauslassen, wird er zum Fehlerterm und wird dann Teil der MSerror-Schätzung, die sich auf den F-Test auswirkt.Durch das Entfernen unbedeutender Terme aus dem Modell wird der MSerror-Term weiter verzerrt (wodurch p-Werte noch bedeutender erscheinen).Daniel war der erste, der normale Diagramme verwendete, um statistische Tests durchzuführen, die vom MSerror-Begriff nicht beeinflusst wurden.
3. Das Hinzufügen von 1 Replikationslauf trägt wenig dazu bei, eine repräsentative, unvoreingenommene Schätzung des Fehlers IMHO bereitzustellen. Und welcher Lauf wurde zum Replizieren ausgewählt? Randomisierte Replikate werden sicherlich seit vielen Jahren verwendet / empfohlen, um eine unvoreingenommene Schätzung des Fehlers zu erhalten. Es gibt vielleicht noch mehr Effizientes und effektives Mittel, um den Fehler zu verstehen, wie repräsentativ er für zukünftige Bedingungen ist und ob er daher eine gute Grundlage für einen statistischen Test darstellt.
Betreff: Welche Aliasbegriffe sollen in das Anpassungsmodell aufgenommen werden?Nochmals vielen Dank für Ihre schnelle Antwort!
Zu Ihren Aufzählungszeichen-Kommentaren: In meinem Experiment werden die Auswirkungen von Additiven (zwei der Faktoren) sowie die 3D-Druckeinstellungen (zwei Faktoren) auf 3D-Druckteile untersucht, die mit meinem Material erstellt wurden. Ja, ich habe eine gründliche Literaturrecherche durchgeführt und mich mit meinem Vorgesetzten zusammengesetzt, um zu besprechen, welche Variablen auf welchen Ebenen ich einbeziehen sollte. Alles war gut kartiert mit ausreichenden Daten, um Entscheidungen zu sichern. Alle anderen Einstellungen könnten mit Standardeinstellungen gesteuert werden, und solche wie Umgebungsänderungen während Tests, die variieren können und nicht im Modell enthalten sind, wurden weiterhin gemessen, um sicherzustellen, dass sie mehr oder weniger konstant bleiben und die Ergebnisse nicht wesentlich beeinflussen.
1): Ich hätte mir gewünscht, dass Faktor L ein 2-Level-Faktor ist, dies war jedoch nicht möglich, da er den prozentualen Zusatz im Material darstellt und wir für den spezifischen Zusatz einen Unterschied von 1% in% Zusatz zwischen 0 und 10% verwenden könnten haben nach mehreren Literaturstudien einen recht großen Einfluss auf die resultierende Materialfestigkeit. Mein Vorgesetzter wollte also, dass ich mehr als zwei Ebenen einbeziehe.
2) Wie für die Alias-Begriffe. Wenn ich das Screening-Design erstelle, füge ich dem Modell nur Haupteffekte hinzu, und unter der Designbewertung sind keine Alias-Begriffe / Matrix vorhanden. Sobald ich jedoch die Option "Tabelle erstellen" auswähle und dann erneut in die Entwurfsbewertung gehe, werden die Zwei-Faktor-Wechselwirkungen plötzlich unter der Registerkarte "Alias-Begriffe" aufgelistet und eine Alias-Matrix wird angezeigt. Könnte dies daran liegen, dass ich die klassische Screening-Design-Option verwende und JMP dann meinen 5-Ebenen-Faktor beim Erstellen der Tabelle aufnimmt?
Vielen Dank für Ihre Beschreibung, warum mein L-Faktor voreingenommen ist und wie der Fehlerterm beeinflusst wird - das hat sehr geholfen!
3) Der Replikatlauf wurde von mir zufällig ausgewählt und dann manuell hinzugefügt, da das Screening-Design keine Option zum Hinzufügen von Replikaten zulässt. Würden Sie vorschlagen, dass ich meinem Design möglicherweise mehr zufällige Replikationsläufe hinzufüge, um eine unvoreingenommenere Fehlerschätzung zu erhalten?
Vielen Dank!
