312770_es-ES

liliconcom

Qué términos de alias incluir en el modelo de ajuste

Buen día

 

He realizado un experimento de diseño de detección de efectos principales para determinar cuáles de mis factores tienen el efecto más significativo sobre las propiedades mecánicas de un material. Mis factores fueron:

 

L -> numérico discreto de 5 niveles

R -> 2 niveles categóricos

S -> 2 niveles categóricos

T -> 2 niveles categóricos

 

Usé el número predeterminado de ejecuciones y agregué una repetición, ya que un colega sugirió esto e hice todo lo posible para minimizar los valores de correlación al usar las herramientas de evaluación de diseño, pero tuve que mantener las ejecuciones al mínimo porque no tenía muchas de material para trabajar. Las interacciones de dos factores se excluyeron automáticamente del diseño si recuerdo correctamente y se agregaron como términos de alias.  

 

Cuando ahora ejecuto mi análisis después de ingresar mis datos experimentales usando la plataforma del modelo de ajuste y el cribado de efectos, los efectos que son significativos varían según los términos de alias que incluya en la plataforma del modelo de ajuste. Tampoco puedo incluir todas las interacciones de dos factores (por ejemplo, LI solo puede incluir dos veces en un término de interacción de dos factores) ya que la mayoría de los efectos simplemente no se muestran en el resumen del efecto resultante. ¿Tiene esto algo que ver con los grados de libertad en el diseño? ¿Es correcto intentar incluir tantos términos de interacción de dos factores como sea posible, dando prioridad a los que tienen la correlación más alta con los efectos principales en la matriz de alias? En mi matriz de alias, las 4 correlaciones más altas son las siguientes:

 

L * (T * R) - 0,69

L * (T * S) - 0,58

L * (S * R) - 0,58

R * (T * L) - 0,56

 

donde los factores entre paréntesis son el término de interacción de dos factores parcialmente alias con el efecto principal delante del paréntesis. Siguen 4 correlaciones más que tienen valores alrededor de 0.4 y el resto del diseño incluye términos con valores de correlación muy bajos.

 

¿Son estos términos de alias la razón por la que el efecto L aparece como el único factor significativo (p <0.05) en la mayoría de los casos cuando incluyo diferentes interacciones de dos factores?¿Debo incluir los 4 enumerados anteriormente (con las correlaciones más altas) como mi mejor opción para encontrar qué factores son significativos, si los hay? ¿También necesito incluir dos interacciones de factores en el análisis del modelo de ajuste?

 

 

 

AnalíticaGAMARe: que términos de alias incluir en el modelo de ajuste

Estoy un poco confundido, así que aquí hay algunas preguntas / comentarios:

1. Si está ejecutando un diseño de detección, ¿por qué está probando un factor en 5 niveles? Esto le permitiría estimar un polinomio de cuarto orden que probablemente estaría asociado con un diseño de optimización.

2. ¿Supongo que utilizó Diseño personalizado y agregó los términos del modelo que más le interesaron?

3. No entiendo a qué te refieres con " Las interacciones de dos factores se excluyeron automáticamente del diseño si recuerdo correctamente y se agregaron como término de alias s. " No puede tener términos que tengan alias en el modelo de ajuste o obtendrá singularidad.

4. ¿Tampoco entiendo "se agregó una ejecución de réplica"? ¿Hizo esto para obtener 1 DF por error en su prueba estadística? ¿Cómo eligió qué tratamiento replicar? Realice la prueba estadística MSfactor / MSerror (prueba F) asume que los errores son insesgados, distribuidos aleatoriamente y, con suerte, REPRESENTANTES del cierto errores aleatorios (¿no está seguro de cómo se obtiene esto con 1 tratamiento replicado?). Y los residuos cumplen con los supuestos NID (0, varianza).

5. Cada coeficiente del modelo es condicional y su magnitud, y a veces el signo, cambia.Dependen de las otras variables del modelo (y del ruido).

6. No entiendo " se da prioridad a los que tienen mayor correlación con los efectos principales en la matriz de alias ". Si tu las variables del modelo están correlacionadas, esto es multicolinealidad. No quieres esto. Asegúrese de verificar los VIF en la tabla de estimaciones de parámetros.

 

Quizás adjunte su tabla JMP y la comunidad pueda echar un vistazo.

Re: que términos de alias incluir en el modelo de ajuste

Hola y gracias por tomarse el tiempo para responder a mis preguntas.

 

1 y 2): Me remitieron a un colega para que me ayudara con experiencia en diseño experimental. Comencé con un diseño personalizado, pero me dijeron que hiciera un diseño de tramado clásico ya que estoy tratando de averiguar qué factores tienen el efecto más significativo en las propiedades mecánicas de mi material para que podamos tomarlos y enfocarnos en ellos en futuras investigaciones.

 

3 y 6): quise decir que durante la creación del diseño de cribado solo se incluyeron en el modelo los efectos principales y se agregaron las interacciones de dos factores como términos de alias. Después de recopilar los resultados de mi investigación y tuve que analizar usando la plataforma del modelo de ajuste, estaba confundido acerca de si debería agregar términos de alias en la sección del modelo de ajuste antes de ejecutar el análisis como la matriz de alias y el mapa de color mostraba un alias parcial y una correlación de algunos efectos principales e interacciones de dos factores, pero no entre los efectos principales en sí. Entiendo que la matriz de alias revela qué efectos principales pueden estar sesgados por ciertas interacciones de dos factores. y por lo que he leído, pensé que estas dos interacciones de factores deberían incluirse en la sección del modelo de ajuste. Si simplemente ejecuto el análisis del modelo de ajuste sin agregar términos de alias y obtengo mis resultados, ¿qué debo mirar para saber si los efectos principales indicados como significativos son realmente significativos? No estoy familiarizado con la singularidad, pero iré y leeré sobre esto.

 

4): Me dijeron que agregara manualmente una ejecución de réplica al diseño de tramado después de que se generó la tabla, pero no estoy seguro de cómo esto ayuda.

 

Adjunto mi tabla de diseño JMP aquí.

 

Re: que términos de alias incluir en el modelo de ajuste

 

Mis primeros comentarios son, no entiendo:

• el proceso en el que se está experimentando (¿creó un mapa de proceso del experimento?),
• los factores ni las hipótesis que te llevaron a experimentar sobre estos factores (tienes un mapa mental),
• las variables de respuesta ni cuánto cambio en las variables de respuesta si tiene valor práctico,
• cómo se ejecutó el experimento (¿realizó un seguimiento del orden de ejecución? ¿Se ejecutó en orden aleatorio?),
• cómo manejaba todas las otras variables que cambiaron durante el curso del experimento (que no fueron manipuladas explícitamente).

Así que mis respuestas pueden estar menos que completas.

 

1. Lo que ha adjuntado no es lo que yo llamaría un diseño de trama clásico, ya que tiene un factor (L) en más de 2 niveles. Desde que hizo esto, ha creado una estructura de alias bastante compleja. Si se hubiera limitado a 4 factores en 2 niveles, tendría un diseño de estructura de alias de resolución IV sencillo en 8 tratamientos. No entiendo por qué probaría solo un factor en 5 niveles. Esto sesga los resultados ya que hay más información sobre el factor L que otros en el estudio (4 grados de libertad para L).

2. Sigo sin entender su uso de la palabra alias " sólo los efectos principales se incluyeron en el modelo y la t Se agregaron interacciones de dos factores como términos de alias ". No agrega términos con alias al mismo modelo o el análisis resultante invocará una advertencia de singularidad en JMP. En la tabla que proporcionó, tiene un total de 10 DF. Cada factor de 2 niveles es 1 DF y hay 4 DF para L (1 para lineal, 1 para cuadrático, 1 para cúbico y 1 para cuartico). Los términos no lineales tienen un alias parcial con efectos lineales de segundo orden (y superiores). Dado que L se considera una variable continua en comparación con las demás en el modelo, esto puede crear un escenario de modelo mixto (tratado como un efecto aleatorio frente a los otros factores que son efectos fijos).

Hay múltiples enfoques de análisis ... algunos lo hacen de forma aditiva comenzando con 1 término y agregando términos al modelo (paso a paso). Algunos prefieren comenzar con un modelo saturado y eliminar términos considerados insignificantes. Ambos requieren comprensión y capacidad para interpretar: R-cuadrado, R-cuadrado ajustado (y el delta entre los 2), valores p, VIF (para diseños no balanceados), error de MS y si esto es representativo de la cierto error, significado práctico, etc. Tenga en cuenta que cuando deja un término fuera del modelo, termina en el término de error y luego se convierte en parte de la estimación de MSerror que afecta la prueba F.Eliminar términos insignificantes del modelo sesga aún más el término MSerror (haciendo que los valores p parezcan aún más significativos).Daniel fue el primero en utilizar gráficos normales para realizar pruebas estadísticas sin sesgo por el término MSerror.

3. Agregar 1 ejecución repetida hace poco para proporcionar una estimación representativa e imparcial del error, en mi humilde opinión. ¿Y qué carrera se seleccionó para replicar? Las réplicas aleatorias ciertamente se han usado / recomendado durante muchos años para obtener una estimación imparcial del error. Quizá haya más medios eficientes y efectivos para comprender el error, qué tan representativo es de las condiciones futuras y, por lo tanto, si es una buena base para una prueba estadística.

Re: que términos de alias incluir en el modelo de ajuste

¡Gracias una vez más por su rápida respuesta!

 

Con respecto a sus comentarios con viñetas: Mi experimento está investigando el efecto de los aditivos (dos de los factores), así como la configuración de impresión 3D (dos factores) en las piezas impresas en 3D creadas con mi material. Sí, hice una búsqueda exhaustiva de la literatura y me senté con mi supervisor para discutir qué variables en qué niveles debería incluir. Todo estaba bien planificado con datos suficientes para respaldar las decisiones. Todos los demás ajustes se pudieron controlar en los ajustes predeterminados y aquellos como los cambios ambientales durante las pruebas, que pueden variar y no están incluidos en el modelo, se midieron para garantizar que permanezcan más o menos constantes y no influyan significativamente en los resultados.

 

1): Me hubiera gustado que el factor L fuera un factor de 2 niveles; sin embargo, esto no fue posible ya que representa el% de aditivo en el material y para el aditivo específico usamos una diferencia del 1% en el% de aditivo entre 0 y 10%. tienen un efecto bastante grande en la resistencia del material resultante según varios estudios de literatura. Entonces mi supervisor quería que incluyera más de 2 niveles.

 

2) En cuanto a los términos de alias. Cuando creo el diseño de tramado, solo agrego efectos principales al modelo y no hay términos / matrices de alias presentes en la evaluación del diseño. Sin embargo, tan pronto como selecciono la opción "Crear tabla" y luego vuelvo a la evaluación del diseño, las interacciones de dos factores se enumeran de repente en una pestaña de "términos de alias" y aparece una matriz de alias. ¿Podría deberse a que estoy usando la opción de diseño de trama clásica y luego JMP toma mi factor de 5 niveles cuando se crea la tabla?

 

Gracias por su descripción de por qué mi factor L está sesgado y cómo se ve influenciado el término de error, ¡esto ha ayudado mucho!

 

3) Yo elegí la ejecución de la réplica al azar y luego la agregué manualmente, ya que el diseño de detección no permite una opción para agregar réplicas. ¿Sugeriría que quizás agregue más ejecuciones de réplicas aleatorias a mi diseño para intentar obtener una estimación de error más imparcial?

 

¡Gracias!