Análisis DoE: Eliminación de factores principales no significativos cuando están implicados en una interacción significativaHola usuarios de Jmp,
¿Es posible eliminar factores principales no significativos cuando están implicados en una interacción significativa en el análisis de datos del DoE?
Gracias !
I
Modelado Estadístico AvanzadoDiseño de experimentosRe: Análisis DoE: Eliminación de factores principales no significativos cuando están implicados en una interacción significativaLa confusión surge porque la misma palabra ('jerarquía') se usa en dos contextos diferentes para describir cosas diferentes. El 'principio de jerarquía' se asume en los diseños de cribado. Dice que los efectos de los factores tienden a disminuir a medida que aumenta el orden. Entonces, los efectos de tercer orden tienden a ser más pequeños que los efectos de segundo orden y pueden ignorarse. La 'jerarquía del modelo' es una afirmación sobre la estructura del predictor lineal. Dice que existe una jerarquía de términos cuando un término está presente en otro término. Entonces, un predictor lineal como β0 + β1*X1 + β2*X2 no muestra una jerarquía de modelos, pero otro predictor lineal como β0 + β1*X1 + β2*X2 + β12*X1*X2 sí exhibe una jerarquía de modelos.
(El 'principio de herencia' que también asumen los diseños de selección dice que los términos activos de orden superior tienden a involucrar factores que exhiben efectos principales activos).
La jerarquía del modelo es importante. Escribí un artículo sobre eso para el JMP por cable e boletín hace años. En el segundo caso anterior, no es ilegal eliminar el término β1*X1 o el término β2*X2, pero no se recomienda. Por lo tanto, JMP permite esta acción pero le advierte que no la haga. ¿Por qué mantener la jerarquía del modelo? Porque si cambias el escala de tus factores, necesariamente cambias el estructura del modelo Algunos términos desaparecerán. Aparecerán nuevos términos. A la gente no le gustan las sorpresas.
¡Pero nunca cambias la escala de factores! Bueno, podrías. El análisis de regresión de un DOE se basa en niveles de factores centrados y escalados conocidos como "niveles codificados". Por lo tanto, las estimaciones de los parámetros se basan en una escala predictiva de -1 a +1. Puede volver a transformar o descodificar los niveles de los factores para que las estimaciones de los parámetros sean en términos de la escala real. No es un deseo irrazonable. Bueno, necesariamente cambiará la estructura del modelo de lo que seleccionó a otra cosa.
Re: Análisis DoE: Eliminación de factores principales no significativos cuando están implicados en una interacción significativaPensé que el principio era "jerarquía", pero parecía estar descrito de manera diferente en la documentación: parece decir que la Jerarquía se relaciona con los términos de orden superior que generalmente no representan tanta variación como los términos de orden inferior, y la Herencia " se relaciona con la inclusión en el modelo de componentes de orden inferior de efectos de orden superior".
Jerarquía de efectos: https://www.jmp.com/support/help/en/15.2/index.shtml#page/jmp/effect-hierarchy.shtml#
Efecto Herencia: https://www.jmp.com/support/help/en/15.2/index.shtml#page/jmp/effect-heredity.shtml#
Puede ser que esté confundiendo los principios o malinterpretando la documentación.
Re: Análisis DoE: Eliminación de factores principales no significativos cuando están implicados en una interacción significativaEn realidad el principio es Efecto JERARQUÍA. Es decir, si los términos de orden superior son significativos, entonces los términos de orden inferior deben incluirse en el modelo. (El principio de herencia es que para que un término de orden superior esté activo, al menos uno de los términos de orden inferior (padres) debe estar activo).
Para ser claros, lo que realmente necesitas hacer es entender la interacción. Dado que una interacción es cuando el efecto de un factor depende de otro factor, debe comprender este efecto. Para diseños de 2 niveles, hay 4 posibles combinaciones de factores para efectos de segundo orden: -1,-1, -1,1, 1,-1, 1,1. Una interacción significativa significa que hay una diferencia en el efecto entre cuando los factores están en el mismo nivel y cuando están en niveles opuestos.
Re: Análisis DoE: Eliminación de factores principales no significativos cuando están implicados en una interacción significativaHola,
El principio se llama "efecto herencia".Hay una breve mención al respecto en los "Principios y directrices para el diseño experimental" ( https://www.jmp.com/support/help/en/15.2/index.shtml#page/jmp/effect-heredity.shtml ).Básicamente, si un efecto principal no es significativo, es probable que el término de orden superior tampoco lo sea.
Re: Análisis DoE: Eliminación de factores principales no significativos cuando están implicados en una interacción significativaHola,
Gracias por tu respuesta. También quería preguntar desde un punto de vista estadístico, ¿afecta a su modelo?
Re: Análisis DoE: Eliminación de factores principales no significativos cuando están implicados en una interacción significativaHola,
Sí, es posible. Cuando se analiza un DOE usando Ajustar modelo, los efectos de orden inferior que están contenidos dentro de los efectos de orden superior se indican con un símbolo circunflejo (vea la imagen a continuación).Recibirá un mensaje de advertencia si intenta eliminarlo, con la opción de "eliminar solo los efectos no contenidos", pero tiene la opción de ignorar esto.
