Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?Ich möchte den Einfluss von 8 Faktoren auf die Reaktion bewerten. Es gibt 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort, und 2 der kategorialen Faktoren haben 4 Stufen, einer der kategorialen Faktoren hat 8 Stufen. Können wir die klassische Screening-Design-Methode verwenden, um Experimente zu entwerfen?
Wir möchten die einflussreichsten Faktoren unter den 8 Faktoren kennen, wo wir die Ergebnisse der Screening-Experimente analysieren könnten? Wenn wir mehr als 6 Faktoren hinzufügen oder die Ebenen der Faktoren 3 überschreiten, verschwindet die Registerkarte „Screening“, auf der wir die Ergebnisse des Screening-Designs nicht analysieren können. Was sind die Probleme? Bedeutet das, dass das klassische Screening-Design in diesem Fall nicht verwendet werden kann? Oder sollten wir die Ergebnisse des Screening-Designs separat analysieren?
Vielen Dank.
DAMHIRSCHKUHBetreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?Es gibt viele Artikel, die Optionen für den Umgang mit Lärm diskutieren. Fisher (der das Blockieren erfand), Box, et. Al. habe zahlreiche Papiere/Bücher.
Box, George, Hunter, William und Hunter, J. Stuart (2005) „ Statistik für Experimentatoren: Design, Innovation und Entdeckung “ Wiley & Sons (ISBN 0471718130) deckt es gut ab. Dieses Papier ist ausgezeichnet:
Sander, D., Leitnaker M. und McLean R. (2002) „Randomisierte vollständige Blockdesigns in Industriestudien“ Qualitätstechnik, Vol. 14, Ausgabe 1
Eines meiner liebsten:
Daniel, Cuthbert (1976) „ Anwendungen der Statistik auf industrielle Experimente Wiley (ISBN 0-471-19469-7)
Ultimatives Papier zu Split-Plot-Designs (IMHO):
Box, GEP, Stephen Jones (1992), „ Split-Plot-Designs für robuste Produktexperimente “, Zeitschrift für Angewandte Statistik , Bd. 19, Nr. 1
Ich habe auch eine allzu vereinfachte Diskussion beigefügt, die ich zur Unterstützung von Vorlesungen zum Thema verwende.
Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?Mir ist kein Standard bekannt. Sie können die Simulationsfunktion in JMP Pro verwenden, um die Leistung der Analyse für ein bestimmtes Design zu bewerten.
Ja, es hängt davon ab, ob Sie gute Ergebnisse erzielen. Aber hinter diesem Ansatz steckt eine rigorose Methode. Sie könnten beispielsweise ein Design erstellen und im Menü der Plattform „Custom Design“ die Option „Antwort simulieren“ auswählen. Beachten Sie, dass Sie eine Binomialantwort simulieren können. Sie können die minimalen Koeffizienten oder erwarteten Koeffizienten eingeben und die Antwort generieren Führen Sie die Analyse für die erste simulierte Probe durch. Klicken Sie dann mit der rechten Maustaste auf die relevante numerische Spalte (z. B. Parameterschätzung, p-Wert oder etwas anderes) und wählen Sie Simulieren aus. Anschließend können Sie das Design gemäß den Simulationsergebnissen anpassen.
Bitte sehen Sie sich ... an Dokumentation für Simulieren .
Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?@Mark_Bailey Basierend auf dem, was Sie erwähnt haben, ist das immer so, dass ich viele Läufe benötigen, um die logistische Regression oder das binomiale GLM-Modell gut zu schätzen. Gibt es einen Standard für die Anzahl der Läufe, die normalerweise gute Schätzergebnisse liefern könnten? Oder hängt es nur davon ab, ob wir gute Ergebnisse erzielen? Ich weiß, dass es viele Möglichkeiten gibt, die Güte eines Modells zu bewerten, wenn die Antwort kontinuierlich ist, z. B. Pareto-Plot usw. Welche Methoden könnten wir verwenden, um zu bewerten, ob das Modell gut ist oder nicht, wenn eine Antwort binär ist?
Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?@Statmann Ich verstehe, was Sie erklären wollten, warum der Standort als Lärm betrachtet werden sollte. Aber ich denke, ich muss mehr darüber erfahren, wie man die Auflösung bestimmt. Oder wissen Sie, dass es einige Ressourcen / Papiere gibt, die helfen könnten?
Für die Antwortvariable verwenden wir einen PIR-Sensor, der passiv ist und IR zur Bewegungserkennung verwendet. Aber wir müssen auch einige Sensorsysteme testen, also eine Kombination verschiedener Sensortypen. In diesem Fall wären die Ergebnisse eine Berechnung basierend auf verschiedenen Sensorausgaben, es ist keine einzelne Messung ... Und nur die endgültige binäre Ausgabe wird uns zur Verfügung gestellt, wenn wir den Test durchführen. Vielleicht ist dieser Fall für das experimentelle Design komplizierter ...
Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?Mark, ich „behandle“ Rauschen oft als festen Effekt während des Experiments und während der Analyse. Dazu muss der Experimentator verstehen, was das Rauschen ist (es muss identifiziert werden) und es während des Experiments handhaben (oder abtasten) können. Dies ermöglicht die Abschätzung von Rausch-Faktor-Wechselwirkungen (sind die Design-Faktor-Effekte bei sich änderndem Rauschen konsistent), was eine notwendige Komponente für die Erstellung robuster Designs ist.
Bezug:
Sander, D., Leitnaker M. und McLean R. (2002) „Randomisierte vollständige Blockdesigns in Industriestudien“, Quality Engineering, Vol. 1, No. 14, Ausgabe 1Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?Ich glaube nicht, dass wir anderer Meinung sind. Ich wollte nur sicher sein, was der Standortfaktor ist. Die Beschreibung „am besten“ und „am schlechtesten“ ließ es wie einen festen Effekt klingen. Ich sehe, dass es zwei zufällige Orte sind, die jeweils die Hälfte der Läufe liefern. Dann sollte es ein zufälliger Block sein. Aber ich stimme mit Blick auf die Lage vollkommen zu.
Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?In diesem Punkt stimme ich nicht zu @Mark_Bailey . Der Standort im Raum ist Rauschen und sollte daher bei Experimenten als Rauschen behandelt werden. Sie wollen nicht schlussfolgern, dass der Standort wichtig ist und die Leute hier stehen müssen, damit es funktioniert. Sie werden viele dieser Sensoren nicht verkaufen oder die, die Sie verkaufen, werden viele Kundenbeschwerden haben (es funktioniert nur, wenn ich hier stehe).Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?Danke für Ihre Erklärung.
Ich würde den Standortfaktor als einfachen kategorialen Faktor behandeln, nicht als blockierenden Faktor.
Ich würde die Antwort in Custom Design so definieren, dass sie kein Ziel hat. Es ist einfacher, die Erwünschtheitsfunktion später im Profiler zu definieren.
Ein einzelner Versuch (ein Ja- oder Nein-Ergebnis) bedeutet, dass Sie viele Läufe benötigen, um die logistische Regression oder das binomiale GLM-Modell gut zu schätzen.
Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?Zur Verdeutlichung: Partielles Aliasing ist, wenn ein Effekt weder orthogonal noch vollständig Aliasing ist. An Aliasing ist nichts auszusetzen, solange Sie wissen, was Aliasing ist. Tatsächlich ist Aliasing eine Effizienzstrategie. Warum alle Effekte in der ersten Studie trennen. Insbesondere müssen Sie in Ihrem ersten Experiment keine Terme höherer Ordnung (Fakultät oder Polynom) trennen. Sie müssen entscheiden, welche Auswirkungen Sie schätzen möchten, welche Sie aliasieren möchten und welche eingeschränkt werden. Wenn ein Effekt signifikant ist und Sie wissen, was gealiased wird, kann die nächste Iteration diese Effekte sicherlich dealiasieren. Das Problem beim teilweisen Aliasing besteht darin, dass der Effekt über mehrere Effekte verteilt wird und daher ein De-Aliasing praktisch nicht möglich ist.
In Bezug auf Antwortvariablen: Ich weiß nicht, welche Art von Sensor Sie verwenden, aber denken Sie daran, wie er "fühlt". Ist es aktiv oder passiv? Wenn es passiv ist, verwendet es IR, um die Bewegung zu erkennen? Wie verarbeitet der Sensor dieses Signal? Kann man das messen/quantifizieren? Haben Sie einen Ingenieur, der die Wissenschaft versteht? Ich würde an einer besseren Messung arbeiten.
Beim Entwerfen eines Experiments müssen Sie entscheiden, welche Auflösung Sie für die Designfaktoren und welche Auflösung Sie für das Rauschen benötigen (Auflösung wird normalerweise nicht in Bezug auf Rauschen verwendet ... Nur sehr wenige Menschen verbringen Zeit damit, das Rauschen zu verstehen, obwohl sie lernen es ist für ein robustes Design erforderlich). Hier ist ein Gedankenexperiment: Angenommen, der Ort, an dem sich jemand im Raum aufhält, ist Lärm. Sie möchten, dass Ihr Gerät robust gegenüber Lärm ist (wo sich jemand im Raum befindet). Sie experimentieren mit Designfaktoren (Sensorempfindlichkeit, Winkel, Größe usw.), die die Leistung des Sensors beeinflussen können oder nicht. Einer dieser Faktoren ist signifikant, aber sein Effekt (Größe und/oder Richtung) hängt vom Rauschen ab (wie durch die Block-für-Faktor-Wechselwirkung geschätzt, die Sie aus dem RCBD erhalten haben). Sie möchten dies früh im Design wissen, damit Sie entweder eine Einstellung für diesen Faktor finden oder einen anderen Faktor finden oder den Faktor vor Ort anpassen können, damit der Rauschen-durch-Faktor-Interaktionseffekt reduziert wird. Andernfalls hängt die Leistung des Geräts vom Rauschen ab. Das bedeutet, dass Sie irgendwann Kundenbeschwerden haben werden.Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?@Mark_Bailey Vielen Dank für Ihre Gedanken.
Der Hintergrund für den Standort ist, dass wir die Anwesenheitssensoren einrichten, Personen an verschiedenen Orten in einem Testraum stehen und dann auswerten, ob der Anwesenheitssensor Personen erkennt oder nicht. Weil wir wissen wollen, ob der Standort der Personen die Leistung der Anwesenheitssensoren beeinflusst. Zunächst haben wir 8 zufällige Orte als 8 Ebenen für die Ortsvariable ausgewählt. Aber basierend auf unserer Diskussion mit @statmann , es ist besser, nicht 8 Ebenen für das erste experimentelle Design zu verwenden, deshalb haben wir uns entschieden, die Extremfälle für den Ort zu wählen, einer ist der schlimmste Fall, in dem der Sensor keine Insassen erkennen konnte, einer ist der beste Fall, in dem Menschen nur Stellen Sie sich direkt vor den Sensor, damit der Sensor die Insassen perfekt erkennt. Vielleicht ist es also keine Einschränkung der Verfügbarkeit? Es ist nur eine Variable, die wir variieren möchten, um zu sehen, wie sie sich auf die Antwort auswirkt?
Für die Antwort ist es ein binärer Wert, den wir in jedem Durchlauf 1-mal beobachten. In unserem Fall ist die Antwort die Anwesenheit/Nichtanwesenheit von Personen. Präsenz bedeutet, dass der Sensor Insassen erkennt, Nicht-Präsenz bedeutet, dass der Sensor keine Insassen erkennt. Was sollte ich also in diesem Fall als Ziel der Antwort wählen?
Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?@statmann Basierend auf Ihrer Idee wird hier das Blockdesign gebracht partielles Aliasing, da es Block-für-Faktor-Interaktionen quantifizieren wird. Und wir wollen das partielle Aliasing nicht für das erste Experiment machen, habe ich Recht? Und Sie sagten, "Sie haben keine Ys ausgefüllt", bedeutet das, dass Sie keine "Antwort" eingegeben haben?
Unsere Antwortvariable ist binär Anwesenheit/Nicht-Anwesenheit, was bedeutet, ob der Präsenzsensor Personen im Raum erkennt oder nicht. Eigentlich könnten wir die Antwort auch anders interpretieren, indem wir die Anzahl der Personen in einem Testraum zählen. Und dann könnten wir anhand der Ergebnisse später über die Anwesenheit/Nicht-Anwesenheit des Sensors entscheiden. Wenn die Zählnummer 0 ist, dann "Nichtanwesenheit"; wenn es nicht 0 ist, dann "Präsenz". Ansonsten fiel mir keine andere Möglichkeit ein, die Antwort zu interpretieren. Oder vielleicht hast du ein paar gute Gedanken? Wäre dies hilfreich, um den Fall zu verbessern? Leider konnten wir mit dem Anwesenheitssensor die Größe von Objekten/Personen nicht erkennen. Der Antrag hat vier Kategorien, Haupt – Leute, die gehen, Klein – Leute, die ihre Arme ausstrecken, Fein – Leute, die tippen, Keine – Schlafen. Was meinst du mit unterschiedlicher Bewegung? Und der Standort beeinflusst die Leistung des Sensors nicht nur aufgrund der Entfernung, sondern auch des Winkels vom Sensor zu Personen. Wenn wir möchten, dass etwas den Standort ersetzt, sollten wir vielleicht sowohl Abstands- als auch Winkelvariablen einbeziehen. Und dann definieren wir die Extremwerte für Abstand und Winkel auf zwei Ebenen. Wäre das hilfreich?
Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?Tut mir leid, dass ich mich erst so spät dieser Diskussion anschließe.
Der Standort scheint ein kategorialer Faktor mit festen Auswirkungen zu sein. Handelt es sich wirklich um eine Einschränkung der Verfügbarkeit? Das heißt, Sie können nur eine begrenzte Anzahl von Beobachtungen pro Standort machen? Wie viele Standorte stehen Ihnen zur Verfügung? Die Tatsache, dass Sie die beiden Standorte als "beste" und "schlechteste" bezeichnet haben, legt für mich einen qualitativen oder kategorischen Faktor nahe.
Das Modell ist standardmäßig nur die Haupt- oder Zusatzeffekte. Die Farbkarte zeigt Ihnen auch Terme höherer Ordnung, damit Sie den Einfluss dieser Effekte (Korrelation) auf die Haupteffekte beurteilen können. Die Effekte verzerren Ihr Modell, wenn Sie sie nicht einbeziehen, und erhöhen die Standardfehler der Schätzungen, wenn sie einbezogen werden.
Was ist die Antwort? Ist es binär oder ist es eine Zählung von zwei binären Ergebnissen? Zum Beispiel könnte ich 20 Instanzen in jedem Durchlauf beobachten und die Anzahl jedes Ergebnisses (erfolgreich, fehlgeschlagen) aufzeichnen. Andererseits beobachte ich möglicherweise nur 1 Instanz in jedem Lauf. Bei einer solchen Antwort können Sie die Leistungsanalyse im Custom Design nicht nutzen. Aber für eine solche Antwort braucht man sicherlich mehr Läufe. Der Befehl „Antwort simulieren“ in „Benutzerdefiniertes Design“ kann zusammen mit der Funktion „Simulieren“ in JMP Pro verwendet werden, um die empirische Aussagekraft jedes Designs zu bewerten.
Das Ziel für die Antwort wird als Spalteneigenschaft „Antwortgrenzen“ gespeichert. Sie definiert die Erwünschtheitsfunktion für die Optimierung im Vorhersageprofiler. Ich denke nicht, dass es für diesen Fall geeignet ist, aber Sie können es ändern, nachdem Sie zum Profiler gelangt sind, und dann die aktualisierte Definition speichern.
Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?Ja, Sie haben Recht ... Entschuldigung, dass ich übersehen habe, dass die Antwort binär war. Ich schlage wirklich vor, dass Sie eine bessere Antwortvariable erstellen (siehe vorheriger Hinweis).Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?Während beide @P_Bartel und ich versuche, Ihnen einen Rat zu geben, sollten Sie erkennen, dass es kein "richtiges" Design gibt. Jedes Design unterscheidet sich möglicherweise in den erforderlichen Ressourcen, der Genauigkeit der Erkennung von Designfaktoreffekten, der Auflösung, dem Modell, das geschätzt werden kann, der Anzahl der Faktoren, die geschätzt werden können usw. Was ich empfehle, ist, mehrere Experimente zu entwerfen und sie anhand der Kriterien und Ihrer Situation zu bewerten. Ich schlage auch vor, dass Sie alle möglichen Ergebnisse vorhersagen und was Sie in jedem Ergebnis tun werden. Sie haben 8 Designfaktoren und mindestens 1 Rauschvariable. Der Zweck dieses ersten Experiments besteht darin, ein besseres Experiment zu entwerfen (den Entwurfsraum zu verschieben und die interessantesten Faktoren zu identifizieren). Normalerweise funktioniert eine niedrigere Auflösung, um Haupteffekte zu identifizieren, aber Sie sollten die Modelleffekte bis zur 2. Ordnung ordnen, um festzustellen, ob Sie die Auflösung erhöhen müssen. Auch wenn Sie JMP das Design blockieren lassen, behandelt die Software die Blockierung standardmäßig als zufälligen Effekt. Wenn Sie jedoch wissen, aus welchem Rauschen der Block besteht, können Sie ihn als festen Effekt behandeln und Block-für-Faktor-Interaktionen quantifizieren. Ich bin ein bisschen von der alten Schule, könnte man sagen. Ich möchte das Aliasing wissen und mache kein partielles Aliasing, da dies schwieriger zu interpretieren und zu bestimmen ist, wie das nachfolgende Experiment aussehen sollte. Aber ich bin hier wohl in der Minderheit. Viele Leute mögen die optimalen Designs für ihre Effizienz. Ich fülle auch keine Ys aus, da ich nicht möchte, dass die Software meine Analyse "kontrolliert" (in einigen Fällen meine Analyseoptionen einschränkt).
Haben Sie in Bezug auf Ihre Antwortvariable über andere Möglichkeiten zur Quantifizierung der Antwort nachgedacht? Die binäre Antwort erfordert große Stichprobenumfänge, um Unterschiede zu erkennen. Könnten Sie die Größe des "Objekts" oder der "Person" variieren und aufzeichnen, welche Objektgröße erkannt wird? Oder könnten Sie die Menge an "Bewegung" variieren, die erforderlich ist, um erkannt zu werden? Wenn die Entfernung zum Sensor wichtig ist, könnten Sie, anstatt vor Ort im Raum zu blockieren, bestimmen, in welcher Entfernung vom Sensor das Objekt erkannt wird? Auf jeden Fall würde ich empfehlen, mehr über Antwortvariablen nachzudenken.Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?@Statman Vielen Dank für die Vorschläge.
Ich habe versucht, diese Grundstücke zu finden, einschließlich Daniel-Plots (normale Plots), Pareto-Plots von Effekten und möglicherweise Bayes-Plots, aber es scheint, dass sie unter dem "Effect Screening" stehen und nur verfügbar sind, wenn Sie "Standard Least Squares" als "Persönlichkeit" verwenden, was bedeutet, dass die Antwort sollte kontinuierlich sein. Es gibt keine solche Wahl, wenn ich das "verallgemeinerte lineare Modell" mit der Antwort "binomial" wähle. Liege ich falsch oder muss ich das woanders finden?
Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?@Statmann Danke für deinen Rat.
Wenn ich mich für Methode 3 entschieden habe: RCBD, wie Sie es erwähnt haben Replizieren Sie die Behandlungen über 2 Blöcke (beste und schlechteste Standorte), es ist wie folgt:
Die Standardanzahl der Läufe ist 16, und dann sieht die "Color Map on Correlations" wie folgt aus:
Aus der obigen Farbkarte geht hervor, dass das Modell nicht das Haupteffektmodell ist.Allgemein gesagt, die Farbe Karte für ein gutes design zeigt viel weiß von der diag an al, orthog an alität oder klein Korrelation s zwischen verschiedenen Begriffen. Bedeutet dies, dass dies kein gutes Design ist? Und wenn ich die Anzahl der Läufe erhöhe, wird das meiste Weiß außerhalb der Diagonalen angezeigt. Bedeutet dies, dass ich die Anzahl der Läufe erhöhen muss, wenn ich experimentelles Design mache?
Und hier noch eine Frage:
Unsere Antwort ist ein binärer Wert (0/1), 0 zeigt die Abwesenheit von Insassen an, 1 zeigt die Anwesenheit von Insassen an. Für die Antwort habe ich "Maximum" als Ziel wie folgt verwendet:
Ist das richtig, oder sollte ich "None" als Ziel verwenden?
Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?Ich würde vorschlagen, Daniel-Plots (normale Plots), Pareto-Plots von Effekten und möglicherweise Bayes-Plots vs. p-Werte zu verwenden, um interessante Faktoren aus einem Screening-Design zu bewerten. Ich bin immer besorgt, dass die MSE-Schätzungen in Ihrem Screening-Design schlecht, nicht repräsentativ und voreingenommen sind. Die Plots, die ich vorschlage, sind weniger wahrscheinlich voreingenommen. Sie vergleichen grundsätzlich alle Effekte miteinander, um festzustellen, welche zuordenbar und von praktischer Bedeutung sind.Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?In diesem Fall ist die Position im Raum Rauschen. Sie haben keine Kontrolle darüber, wo sich jemand im Raum aufhält, möchten aber trotzdem, dass Ihr Sensor erkennt, dass er dort ist. Die Position im Raum kann während des Experiments kontrolliert werden, aber nicht im wirklichen Leben. Diese Art von Faktor kann auf verschiedene Arten gehandhabt werden:
1. Wiederholungen: Halten Sie die Behandlungskombination konstant und führen Sie wiederholte Maßnahmen an verschiedenen Stellen durch. Die Orte können zufällig sein, aber Sie erhalten mehr Informationen, wenn es spezifische Hypothesen darüber gibt, WARUM es Unterschiede in den Orten geben würde (z. B. Nähe zum Sensor, Winkel zum Sensor, Ecke des Raums) und daher systematisch Proben nehmen.
2. Randomisierte Wiederholungen: Ich glaube, so gehen Sie mit diesem Faktor um. Während dies den Inferenzraum vergrößert und eine theoretisch unvoreingenommene Schätzung des MSE liefert, kennen Sie die Auswirkung des Standorts nicht und können die Genauigkeit der Erkennung von Designfaktoreffekten beeinträchtigen.
3. RCBD: In diesem Fall würden Sie als 1. Ebene die beste Position (dicht vor dem Sensor) und als 2. Ebene die schlechteste Position (weit entfernt und in einem extremen Winkel) auswählen. Replizieren Sie die Behandlungen über die 2 Blöcke. In diesem Fall könnten Sie den Standort als festen Effekt behandeln. Dies ermöglicht einen größeren Inferenzraum sowie die Möglichkeit, den Block (Ort) und alle Block-für-Faktor-Interaktionseffekte (ein Maß für die Robustheit Ihres Sensors) mit erhöhter Präzision abzuschätzen.
4. Split-Plot (Cross Product Array): Legen Sie entweder die Behandlungen in den gesamten Plot und Rauschen in den Subplot oder Rauschen in den WP und Behandlungen in den SP. Dies würde die Effizienz des Entwurfs verbessern und wahrscheinlich die Genauigkeit beim Erfassen von Entwurfsfaktor- und Rausch-durch-Faktor-Interaktionseffekten erhöhen.Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?@P_Bartel Es scheint also, dass es keinen einfachen Weg oder eine einzige Antwort auf dieses Problem gibt. Ich werde dies berücksichtigen, wenn ich die Screening-Design-Methode verwende, um Experimente zu entwerfen und die Ergebnisse zu analysieren. Vielen Dank für Ihre Zeit und Geduld.
Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?Mein Beispiel ist tatsächlich ein Screening-Design. Nur ein Faktor ... aber die Prinzipien gelten für einen bis zu vielen Faktoren und ihren entsprechenden Ebenen. Ja, bis zu einem gewissen Grad werden Sie p-Werte verwenden ... aber fallen Sie nicht in den p-Wert, der eine Klippenfalle ist. Angenommen, Sie übernehmen den spezifischen kritischen p-Wert, der erforderlich ist, um die Nullhypothese für eine Effektschätzung abzulehnen, und es liegt ganz bei Ihnen. Welchen Wert wählen Sie also? 0,05? 0,01?0,10? und weiter und weiter. Und was passiert, wenn Sie 0,05 als Ihren kritischen p-Wert für eine Parameterschätzung auswählen und der p-Wert eines Effekts = 0,049 und der eines anderen 0,051 beträgt? Durch die Klippenmentalität wären Sie gezwungen zu sagen, dass der Faktor, der die 0,049-Schätzung widerspiegelt, "signifikant" ist ... und Herr, ich hasse dieses Wort ... aber das ist eine andere Tirade für ein anderes Mal, und der andere Faktor ist "nicht signifikant". weil sein p-Wert höher als der kritische Wert ist.
Die Anzahl der Läufe gibt Kraft, um Effekte erkennen zu können. Mein Beispiel bestätigt das. Zwei Läufe ... Sie würden sich schwer tun, die Nullhypothese abzulehnen ... aber werfen Sie diese Münze, sagen wir 1.000 Mal, und ich wette mein Haus, dass Sie die Nullhypothese ablehnen würden. Screening-Designs sind absichtlich sehr spärlich in Bezug auf die Anzahl der Durchläufe ... es kann also einen Effekt geben ... Sie haben einfach nicht genug Beweise gesammelt, um die Jury zu überzeugen.
Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?@Statman Im Allgemeinen ist es unser Ziel, zu entscheiden, ob die Position von Insassen in einem Raum die Leistung von Anwesenheitssensoren zur Erkennung von Insassen beeinflussen würde. Wir würden also zuerst ein 3 x 3 Fuß großes Gitter auf dem Boden markieren und 8 Orte nach dem Zufallsprinzip auswählen, indem wir einige Werkzeuge zur Generierung von Zufallszahlen verwenden, und die Bewohner werden an diesen 8 verschiedenen Orten zum Testen stehen. Ist das so, als könnten wir den Standort kontrollieren? Da wir wissen, dass der Sensor möglicherweise keine Insassen erkennt, wenn eine Person in der Ecke des Raums steht, bedeutet das eigentlich, dass wir auch die Spitzenextreme für den Standort auswählen könnten? Beispielsweise ist ein Spitzenextrem die Person, die in der Mitte des Raums steht, sodass der Sensor die größte Wahrscheinlichkeit hat, Insassen zu erkennen, das andere wäre die Person, die in der Ecke des Raums steht, sodass der Sensor die geringste Wahrscheinlichkeit hat Insassen erkennen?
Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?@P_Bartel Es hilft wirklich. Ich habe bereits einige der DOE-Schulungen absolviert, die anderen werde ich auch belegen.
Ich glaube, ich verstehe, was Sie in dem Beispiel sagen wollen, aber wenn es um das Screening-Design geht, interessiert uns wirklich, welcher Faktor einen signifikanten Einfluss auf die Antwort haben würde, wir wissen nicht wirklich, wie die Anzahl der Durchläufe ist würde sich auf die Modellierungsergebnisse auswirken, oder? Angenommen, wir entwerfen ein Experiment mit Screening-Design und wählen das Haupteffektmodell aus. Nachdem wir die Experimente durchgeführt haben, sammeln wir tatsächliche Antwortdaten und wählen ein Modell für die Haupteffektanalyse aus. Dann erhalten wir die Ergebnisse, die uns sagen, welcher Faktor gemäß ihren P-Werten signifikant ist. Woher wissen wir, ob die Ergebnisse richtig sind oder nicht? Oder haben wir nach einer bestimmten Anzahl von Durchläufen festgestellt, dass keiner der Faktoren signifikant ist, indem wir die Ergebnisse analysiert haben, sodass wir mehr experimentelle Durchläufe benötigen? Vielleicht irre ich mich oder meine Frage ist irgendwie albern, aber es fällt mir einfach schwer, dies mit dem Screening von experimentellem Design in Verbindung zu bringen ...
Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?Wählen Sie für Bewegung Extreme aus. Wenn das signifikant ist, dann können Sie "Feinabstimmung" vornehmen. Für die Lage im Zimmer...Kannst du das eigentlich kontrollieren oder ist es Lärm? Wenn es Rauschen gibt, erwägen Sie eine Blockierung.
Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?@yiyichu Es würde den Rahmen eines allgemeinen Diskussionsforums wie diesem sprengen, auch nur unvollständige Anleitungen dazu zu geben, welche Modellierungstechnik wann zu verwenden ist. Praktische Probleme, Datentypen, Datenerfassungsmethoden, der Einfluss von Rauschfaktoren, Softwarefähigkeiten, Fähigkeiten der am Projekt beteiligten Personen und wahrscheinlich einige Dinge, die ich nicht erwähne, spielen alle eine Rolle bei der Bestimmung, WIE ein Problem gelöst werden kann. In dieser Hinsicht denke ich wirklich, dass der beste Weg für Sie darin besteht, einen ganzheitlicheren Ansatz zum Aufbau Ihrer Problemlösungsfähigkeiten durch Bildung und Praxis in Betracht zu ziehen. Eine großartige Möglichkeit, dies zu erreichen, und es ist kostenlos (wie kostenlos), ist das Absolvieren des SAS-Lehrplans "Statistisches Denken für die Lösung industrieller Probleme". Ein Großteil des Kurses widmet sich der Verbindung von Datenerfassung, Datentypen und Analysestrategien zur Lösung von Problemen. Hier ist ein Link zur Haupt-Webseite für Kursinformationen: Statistisches Denken für die industrielle Problemlösung
Ich werde versuchen, Ihnen ein Beispiel dafür zu geben, was ich damit meine, dass es bei einer kleinen Anzahl von Läufen schwierig sein kann, ein Signal aus dem Rauschen herauszukitzeln. Es ist ein bisschen wie eine mentale Übung ... also los geht's. Beginnen wir damit, dass Sie feststellen möchten, ob ein Münzwurf fair und ausgewogen ist. Das heißt, es besteht eine Chance von 0,5, mit dem Werfen einer Münze Kopf oder Zahl zu erhalten. Nehmen wir nun an, ich komme zum „Experiment“ mit einer Münze, die NICHT 50/50 ist, aber Ihre Nullhypothese IST, dass es eine 50/50-Münze ist. Aber in Wirklichkeit schummele ich und habe eine Münze zum Experiment mitgebracht, die eine Chance von 0,7 auf Kopf und eine Chance von 0,3 auf Zahl hat. Wenn ich die Münze einmal werfe ... bekomme ich Kopf. Sind Sie bereit, Ihre Hypothese zu verwerfen, dass die Münze 50/50 ist? Wahrscheinlich nicht auf der Grundlage eines Wurfs. Wie wäre es mit einem zweiten Wurf? Jetzt bekommst du wieder einen Kopf. Willst du schon ablehnen? Wenn Ihre Hypothese wahr ist, besteht schließlich eine Wahrscheinlichkeit von 0,25, dass zwei aufeinanderfolgende Köpfe Kopf haben. Ich denke, die meisten Menschen würden die Nullhypothese immer noch nicht ablehnen. Also drehen Sie ein drittes Mal um ... dieses Mal bekommen Sie einen Schwanz. Wie viele Flips und Ergebnisse werden Sie brauchen, um die Null endgültig abzulehnen? Darin liegt das Problem, das in meiner praktischen Erfahrung manchmal mit binären Ergebnissen passiert.
Ich hoffe das hilft?
Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?@Statman Der 4-Ebenen-Faktor hier ist „Bewegungsebene“, einschließlich großer Bewegung, kleiner Bewegung, feiner Bewegung und keiner Bewegung. Der 8-Level-Faktor besteht hier darin, 8 verschiedene Orte in einem Raum für unseren Fall zufällig auszuwählen.Aber Sie haben Recht. Tatsächlich erwäge ich auch, die Extreme der 4-Stufen- und 8-Stufen-Faktoren auszuwählen, um alle Faktoren auf 2 Stufen zu bringen. Dann können wir auch die endgültige Screening-Designmethode wählen. Ich bin mir nur nicht sicher, welcher Weg besser sein könnte. Jetzt macht mich dein Rat zuversichtlicher, es so zu machen. Danke dir.
Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?@P_Bartel Ich denke, es sollte nur vorher der Haupteffekt sein, aber ich kann etwas durcheinander bringen. Ich überprüfe das Modell erneut und stelle sicher, dass das Modell nur der Haupteffekt ist, und es scheint, dass der Fehler jetzt verschwindet.
Da ich ein Anfänger von DOE und JMP bin, habe ich mich für die entschieden Elastic Net passt zur Persönlichkeit, nur weil ich dem Beispiel folge, das in der JMP-Dokumentation bereitgestellt wurde. Ich werde dann versuchen, die grundlegende Schätzmethode der logistischen Regression als Ausgangspunkt zu verwenden. Danke für deinen Rat. Wenn wir die Schätzmethoden auswählen, wie entscheiden wir, welche Schätzmethoden wir wählen sollten, wann wir eine grundlegende logistische Regressions-Schätzmethode wählen sollten, wann wir andere wählen sollten, wie Lasso, Elastic Net, Ridge usw.
Und in Ihrer ersten Antwort haben Sie gesagt, dass wir manchmal viele Läufe brauchen, um ein Signal aus dem Lärm für eine kategorische Antwort herauszukitzeln ... Kannst du das bitte etwas näher erläutern? Was könnten wir tun, um zu prüfen, ob wir mehr Läufe brauchen?
Nochmals vielen Dank für Ihre Zeit.
Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?Ich bin auch neugierig, aber ich bin neugierig, warum Sie sich überhaupt kategoriale Faktoren mit 4 Ebenen und 8 Ebenen ansehen. Das klingt eher nach a wähle den Gewinner Test als ein Screening-Design? Meine Gedanken: Screening soll nicht alle möglichen Kombinationen testen. Kannst du die Extreme der 4 oder 8 Ebenen auswählen? Die Idee wäre, alle Faktoren (gleichmäßig und unvoreingenommen) zu vergleichen und zu bestimmen, welche davon einer weiteren Untersuchung wert sind. Indem Sie einige Ihrer Faktoren auf mehr als 2 Ebenen testen, haben Sie mehr Informationen über diese Faktoren und haben daher Ihre Studie verzerrt.
Aber natürlich kenne ich Ihre spezifische Situation nicht, also möchten Sie mich vielleicht ignorieren.
Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?@yiyichu Toll, dass Sie die Custom Design-Plattform verwendet haben. Können Sie das spezifische Modell teilen, das Sie für die Designkonstruktion artikuliert haben? Waren es nur Haupteffekte? Oder etwas anderes?
In meiner ersten Antwort schlug ich vor, dass Sie ein Modell nur für Haupteffekte angeben ... die Fehlermeldung, die Sie sehen und auf der sie basiert @Mark_Bailey 's richtige Antwort, es sieht wirklich so aus, als ob Sie versuchen, ein Modell mit mehr als nur Haupteffekten anzupassen? Unterstützt Ihr Design zumindest ein gewisses Maß an Schätzung für mindestens zwei (oder der Himmel bewahre) Wechselwirkungen mit Faktoren noch höherer Ordnung? Mit kategorialen Faktoren auf mehr als 2 Ebenen kann Ihr Design schnell groß werden, um Interaktionseffekte zu schätzen, die diese Faktoren enthalten. Vor allem bei dem einen Faktor mit 8 Stufen.
Und ich bin auch ein bisschen neugierig, warum Sie sich für die Elastic Net-Anpassungspersönlichkeit entschieden haben? Ich denke, in einem Screening-Modellierungsmodus hätte ich vielleicht mit einem einfachen nominellen logistischen Regressionsmodell begonnen. Elastic Net ist keine falsche Wahl ... aber es könnte dazu neigen, einige der Parameterschätzungen auf Null zu setzen, da dies seiner Natur entspricht und Sie möglicherweise den Informationsgehalt der Effektebene verpassen. Nur neugierig mehr als alles andere?
Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?Dies bezieht sich darauf, dass die Modellhierarchie wichtig ist. JMP empfiehlt Ihnen dringend, die Hierarchie beizubehalten, verlangt dies jedoch nicht.
Modellhierarchie bedeutet, dass, wenn Sie X1*X2 im Modell haben, auch X1 und X2 im Modell enthalten sein sollten, auch wenn sie allein nicht signifikant sind.
Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?Ich danke Ihnen sehr. Und ich habe noch eine Anschlussfrage.
Ich habe die Custom Design-Plattform verwendet. Da ich eine binäre Antwort habe, habe ich beim Anpassen des Modells Persönlichkeit: Verallgemeinerte Regression, Verteilung: Binomial, Schätzmethode: Elastic Net – Adaptive, Validierungsmethode: AICc gewählt. Aber wenn ich auf die Schaltfläche „Los“ klicke, wird eine Warnung angezeigt, die lautet: „Anpassung vorzeitig beendet, weil die Vererbung nicht aufrechterhalten werden konnte. Erwägen Sie, erneut zu laufen, ohne die Vererbung zu erzwingen". Ist dies ein schwerwiegendes Problem, das ich lösen muss, wie könnte ich das Problem lösen, oder sollte ich andere Methoden wählen?Betreff: Könnte das Screening-Design für 1 kontinuierlichen Faktor, 7 andere kategoriale Faktoren und 1 kategoriale Antwort verwendet werden?Sobald Sie sich in einer Situation befinden, in der die Faktorstufen etwas anderes als 2 sind, sind die klassischen Screening-Designs, d. h. zweistufige teilfaktorielle Designs, nicht anwendbar oder sogar machbar. In Ihrem Fall mit einigen Faktoren, die andere Ebenen als 2 haben, sind Sie gezwungen, ein optimales DOE-Szenario zu verwenden, das Sie in JMP direkt zur Custom Design-Plattform führt. Da Sie anscheinend ein Screening-Design ausführen möchten, würde ich die Custom Design-Plattform verwenden, um ein Design zu erstellen, das von einem Modell nur für Haupteffekte unterstützt wird. Mit Blick auf die Minimierung der Anzahl der Läufe. Sie können einige Läufe über das von JMP festgelegte Minimum hinaus hinzufügen, um einige Freiheitsgrade für Fehler zu ermöglichen.
Viel Glück beim Versuch, aktive Effekte mit einer kategorischen Antwort zu finden ... meine bisherige Erfahrung ist, dass man manchmal viele Läufe braucht, um ein Signal aus dem Rauschen herauszukitzeln ... aber man wird es nie wissen, wenn man es nicht versucht.
