Analyse DoE : Suppression des facteurs principaux non significatifs lorsqu'ils sont impliqués dans une interaction significativeSalut les utilisateurs de Jmp,
Est-il possible de supprimer les facteurs principaux non significatifs lorsqu'ils sont impliqués dans une interaction significative dans l'analyse des données du DoE ?
Merci !
je
Modélisation statistique avancéeConception d'expériencesObjet : Analyse DoE : Suppression des facteurs principaux non significatifs lorsqu'ils sont impliqués dans une interaction significativeLa confusion vient du fait que le même mot ("hiérarchie") est utilisé dans deux contextes différents pour décrire des choses différentes. Le 'principe de hiérarchie' est assumé par les plans de criblage. Il dit que les effets des facteurs ont tendance à diminuer à mesure que l'ordre augmente. Ainsi, les effets de troisième ordre ont tendance à être plus faibles que les effets de second ordre et peuvent être ignorés. La « hiérarchie du modèle » est une déclaration sur la structure du prédicteur linéaire. Il dit qu'une hiérarchie de termes existe lorsqu'un terme est présent dans un autre terme. Ainsi, un prédicteur linéaire tel que β0 + β1*X1 + β2*X2 ne présente pas de hiérarchie de modèles, mais un autre prédicteur linéaire tel que β0 + β1*X1 + β2*X2 + β12*X1*X2 présente une hiérarchie de modèles.
(Le « principe d'hérédité » qui est également supposé par les conceptions de dépistage indique que les termes actifs d'ordre supérieur ont tendance à impliquer des facteurs qui présentent des effets principaux actifs.)
La hiérarchie des modèles est importante. J'ai écrit un article à ce sujet pour le Câble JMPer e newsletter il y a des années. Dans le deuxième cas ci-dessus, il n'est pas illégal de supprimer le terme β1*X1 ou le terme β2*X2, mais ce n'est pas conseillé. Par conséquent, JMP autorise cette action mais vous avertit de ne pas le faire. Pourquoi conserver la hiérarchie des modèles ? Parce que si vous changez le escalader de vos facteurs, vous changez nécessairement structure du modèle. Certains termes vont disparaître. De nouveaux termes apparaîtront. Les gens n'aiment pas les surprises.
Mais vous ne changez jamais l'échelle des facteurs ! Eh bien, vous pourriez. L'analyse de régression d'un DOE est basée sur des niveaux de facteurs centrés et mis à l'échelle appelés « niveaux codés ». Ainsi, les estimations des paramètres sont basées sur une échelle de prédiction de -1 à +1. Vous pouvez retransformer ou décoder les niveaux de facteurs afin que les estimations des paramètres soient en termes d'échelle réelle. Pas un désir déraisonnable. Eh bien, vous changerez nécessairement la structure du modèle de ce que vous avez sélectionné à autre chose.
Objet : Analyse DoE : Suppression des facteurs principaux non significatifs lorsqu'ils sont impliqués dans une interaction significativeJe pensais que le principe était "hiérarchie", mais il semblait être décrit différemment dans la documentation : il semble dire que la hiérarchie concerne les termes d'ordre supérieur qui ne représentent généralement pas autant de variations que les termes d'ordre inférieur, et l'hérédité " se rapporte à l'inclusion dans le modèle de composants d'ordre inférieur d'effets d'ordre supérieur."
Hiérarchie des effets : https://www.jmp.com/support/help/en/15.2/index.shtml#page/jmp/effect-hierarchy.shtml#
Hérédité des effets : https://www.jmp.com/support/help/en/15.2/index.shtml#page/jmp/effect-heredity.shtml#
Il se peut que je confonde les principes ou que j'interprète mal la documentation.
Objet : Analyse DoE : Suppression des facteurs principaux non significatifs lorsqu'ils sont impliqués dans une interaction significativeEn fait, le principe est la HIÉRARCHIE des effets. Autrement dit, si les termes d'ordre supérieur sont significatifs, les termes d'ordre inférieur doivent être inclus dans le modèle. (Le principe d'hérédité est que pour qu'un terme d'ordre supérieur soit actif, au moins un des termes d'ordre inférieur (parents) doit être actif).
Pour être clair, ce que vous devez vraiment faire est de comprendre l'interaction. Puisqu'une interaction se produit lorsque l'effet d'un facteur dépend d'un autre facteur, vous devez comprendre cet effet. Pour les plans à 2 niveaux, il existe 4 combinaisons de facteurs possibles pour les effets de 2ème ordre : -1,-1, -1,1, 1,-1, 1,1. Une interaction significative signifie qu'il y a une différence d'effet entre le moment où les facteurs sont au même niveau et le moment où ils sont à des niveaux opposés.
Objet : Analyse DoE : Suppression des facteurs principaux non significatifs lorsqu'ils sont impliqués dans une interaction significativeSalut,
Le principe s'appelle "l'hérédité de l'effet".Il y en a une brève mention dans les "Principles and Guidelines for Experimental Design" ( https://www.jmp.com/support/help/en/15.2/index.shtml#page/jmp/effect-heredity.shtml ).Fondamentalement, si un effet principal n'est pas significatif, le terme d'ordre supérieur n'est probablement pas significatif non plus.
Objet : Analyse DoE : Suppression des facteurs principaux non significatifs lorsqu'ils sont impliqués dans une interaction significativeSalut,
Merci pour votre réponse. Je voulais aussi demander d'un point de vue statistique, cela affecte-t-il votre modèle ?
Objet : Analyse DoE : Suppression des facteurs principaux non significatifs lorsqu'ils sont impliqués dans une interaction significativeSalut,
Oui c'est possible. Lors de l'analyse d'un DOE à l'aide de Fit Model, les effets d'ordre inférieur contenus dans les effets d'ordre supérieur sont indiqués par un symbole circonflexe (voir l'image ci-dessous).Vous recevrez un message d'avertissement si vous essayez de le supprimer, avec l'option "supprimer uniquement les effets non contenus", mais vous avez la possibilité de l'ignorer.
