スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?応答に対する8つの要因の影響を評価したいと思います。 1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答があり、2 つのカテゴリ因子には 4 つのレベルがあり、1 つのカテゴリ因子には 8 つのレベルがあります。 古典的なスクリーニング計画法を使って実験を計画することはできますか?
8つの要因の中で最も影響力のある要因を知りたいのですが、スクリーニング実験の結果をどこで分析できますか? 6 つ以上の因子を追加するか、因子のレベルが 3 を超えると、スクリーニング計画の結果を分析できない [スクリーニング] タブが表示されなくなりました。 問題は何ですか？ この場合、従来のスクリーニング計画は使用できないということですか? それとも、スクリーニング計画の結果を個別に分析する必要がありますか?
ありがとう。
DOERe: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?ノイズを処理するためのオプションについて説明している多くの論文があります。 フィッシャー（ブロッキングを発明した人）、ボックスなど。アル。多数の論文/本を持っています。
ボックス、ジョージ、ハンター、ウィリアム、およびハンター、J. スチュアート (2005) 「実験者のための統計: デザイン、イノベーション、発見」 Wiley & Sons (ISBN 0471718130) がよくカバーしています。 この論文は優れています:
サンダース、D.、 Leitnaker M.、および McLean R. (2002) 「工業研究におけるランダム化された完全なブロック デザイン」品質工学、巻。 14、第1号
私のお気に入りの 1 つ:
ダニエル・カスバート (1976)統計学の産業実験への応用」 ワイリー (ISBN 0-471-19469-7)
分割プロット計画に関する究極の論文 (IMHO):
ボックス、GEP、 スティーブン・ジョーンズ (1992)、「堅牢な製品実験のための分割プロット計画」、応用統計ジャーナル、Ｖｏｌ． 19、1号
また、このテーマに関する講義をサポートするために使用する、非常に単純化されたディスカッションも添付しました。
Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?私が知っている基準はありません。 JMP Pro のシミュレート機能を使用して、特定の設計の解析のパフォーマンスを評価できます。
はい、良い結果が得られるかどうかにかかっています。 しかし、このアプローチの背後には厳密な方法があります。 たとえば、計画を作成し、Custom Design プラットフォーム メニューから [Simulate Response] を選択できます。 二項応答をシミュレートできることに注意してください。 最小係数または期待係数を入力して、応答を生成できます。最初のシミュレートされたサンプルに対して分析を実行します。 次に、関心のある数値列 (パラメーター推定値、p 値など) を右クリックし、[シミュレート] を選択します。 その後、シミュレーション結果で示されるように設計を調整できます。
をご覧くださいSimulate のドキュメント.
Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?@マークベイリーあなたが言ったことに基づいて、私はいつもそうですロジスティック回帰または二項 GLM モデルを適切に推定するには、多くの実行が必要になります。 通常、良好な推定結果が得られる実行回数の基準はありますか? それとも、良い結果が得られるかどうかだけにかかっていますか? パレート図など、応答が連続的である場合、モデルの良さを評価する方法はたくさんあることを知っています。 応答が 2 値の場合、モデルが適切かどうかを評価するために使用できる方法は何ですか?
Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?@スタットマンその場所がノイズとみなされるべき理由を説明しようとしていたことは理解しています。 しかし、解像度を決定する方法については、もっと探求する必要があると思います。 または、役立つリソース/論文があることをご存知ですか?
応答変数には、IR を使用して動きを検出するパッシブな PIR センサーを使用します。 しかし、さまざまな種類のセンサーを組み合わせたセンサー システムをテストする必要もあります。 この場合、結果はさまざまなセンサー出力に基づく計算になり、単一の測定値ではありません... テストを実行すると、最終的なバイナリ出力のみが提供されます。 たぶん、このケースは実験計画のためにもっと複雑です...
Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?マーク、私は実験中や分析中にノイズを固定効果として「扱う」ことがよくあります。 これを行うには、実験者がノイズが何であるかを理解し (特定する必要があります)、実験中にノイズを管理 (またはサンプリング) できる必要があります。 これにより、ロバストな設計を作成するために必要なコンポーネントである、因子ごとの相互作用 (変化するノイズに対して一貫した設計因子の影響) の推定が可能になります。
参照：
サンダース、D.、 Leitnaker M. および McLean R. (2002) 「工業研究におけるランダム化された完全なブロック デザイン」Quality Engineering、Vol。 14、第1号Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?私たちは意見が一致していないと思います。 場所要因の性質を確認したかっただけです。 「最高」と「最悪」という表現は、固定効果のように聞こえます。 それぞれが実行の半分を提供するのは、2 つのランダムな場所であることがわかります。 次に、ランダムブロックにする必要があります。 しかし、私は場所の見解に完全に同意します。
Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?この点で私は同意しません@マークベイリー. 室内の場所はノイズであり、実験ではノイズとして扱う必要があります。 場所が重要であり、人々がここに立つ必要があると結論付けたくはありません。 それらのセンサーの多くは販売しないか、または販売したセンサーに多くの顧客からの苦情が寄せられます (私がここにいるときだけ機能します)。Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?ご説明ありがとうございます。
Location 要因は、ブロッキング要因ではなく、単純なカテゴリ要因として扱います。
Custom Design では、応答を目標なしと定義します。 プロファイラーで後で満足度関数を定義する方が簡単です。
1 回の試行 (1 回の「はい」または「いいえ」の結果) は、ロジスティック回帰または二項 GLM モデルを適切に推定するために多くの実行が必要であることを意味します。
Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?明確にするために、部分的なエイリアシングとは、効果が直交しておらず、完全にエイリアシングされていない場合です。 何がエイリアス化されているかを知っている限り、エイリアス化に問題はありません。 実際、エイリアシングは効率的な戦略です。 最初の研究ですべての効果を分離する理由. 特に、最初の実験で高次項 (階乗または多項式) を分離する必要はありません。 どの効果を推定したいのか、どの効果をエイリアシングしても構わないのか、そしてどの効果を制限するのかを決める必要があります。 効果が重要で、何がエイリアシングされているかがわかっている場合、次の反復でそれらの効果を確実にデエイリアシングできます。 部分的なエイリアシングの問題は、効果が複数の効果に分散されているため、デエイリアシングが実際には不可能なことです。
応答変数について: 使用しているセンサーの種類はわかりませんが、どのように「感知」するかを考えてください。 それはアクティブですか、それともパッシブですか？ パッシブの場合、赤外線を使用してモーションを検出していますか? センサーはその信号をどのように処理しますか。 それは測定/定量化できますか？ 科学を理解するエンジニアはいますか？ 私はより良い測定に取り組みます。
実験を設計する際には、設計因子に必要な解像度とノイズに必要な解像度を決定する必要があります (解像度は通常、ノイズに関しては使用されません...勉強してもノイズを理解することに時間を費やす人はほとんどいません。堅牢な設計に必要です)。 ここに思考実験があります: 部屋の中で誰かがいる場所が騒音であるとしましょう。 デバイスをノイズに対して堅牢にする必要があります (誰かが部屋にいる場合)。 センシング デバイスのパフォーマンスに影響する場合と影響しない場合がある設計要素 (センサーの感度、角度、サイズなど) を実験しています。 これらの要因の 1 つが重要ですが、その効果 (大きさや方向) はノイズに依存します (RCBD から取得したブロックごとの相互作用によって推定されます)。 設計の早い段階でそれを知りたいので、その要因の設定を見つけるか、別の要因を見つけるか、現場で要因を調整して、要因の相互作用効果によるノイズを減らすことができます。 そうしないと、デバイスのパフォーマンスがノイズに依存します。 つまり、ある時点で顧客からの苦情があるということです。Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?@マークベイリーご意見をお寄せいただきありがとうございます。
場所については、占有センサーを設置し、テスト スペース内のさまざまな場所に人々が立ち、占有センサーが占有を検出するかどうかを評価するという背景があります。 人の位置が占有センサーのパフォーマンスに影響を与えるかどうかを知りたいからです。 最初に、場所変数の 8 つのレベルとして 8 つのランダムな場所を選択しました。 しかし、私たちとの議論に基づいて@スタットマン、最初の実験計画には 8 レベルを使用しない方がよいため、場所の極端なケースを選択することにしました。1 つは、センサーが占有者を検出できなかった最悪のケースであり、もう 1 つは、人がただセンサーが乗員を完全に検出できるように、センサーの直前に立ってください。 多分それは可用性の制限ではありませんか？ これは、応答にどのように影響するかを確認するために変化させたい単なる変数ですか?
応答の場合、実行ごとに 1 つのインスタンスを観察するのはバイナリ値です。 私たちの場合、応答は人の存在/非存在です。 存在とは、センサーが乗員を検出することを意味し、非存在とは、センサーが乗員を検出しないことを意味します。 この場合、応答の目的として何を選択すればよいでしょうか?
Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?@スタットマンここでのあなたのアイデアに基づいて、ブロック設計はブロックごとの相互作用を定量化するため、部分的なエイリアシング。 そして、最初の実験では部分的なエイリアシングを行いたくありませんよね? そして、「Y を記入していない」とおっしゃいましたが、それは「回答」を記入していないということですか？
私たちの応答変数は、存在/非存在のバイナリです。これは、占有センサーが空間で人を検出するかどうかを意味します。 実際、応答を解釈する別の方法は、試験室にいる人数を数えることです。 そして、後で結果に基づいてセンサーの存在/非存在を決定できます。 カウント数が 0 の場合は「存在しない」。 0 でない場合は、「プレゼンス」です。 それ以外に、応答を解釈する別の方法は考えられませんでした。 それとも、良い考えがありますか？ これはケースを改善するのに役立ちますか? 残念ながら、占有センサーを使用して物体/人の大きさを検出することはできませんでした。 モーションには 4 つのカテゴリがあります。メジャー - 歩く人、マイナー - 腕を伸ばす人、ファイン - タイピングする人、なし - 寝ている人です。 動きの量を変えるとはどういう意味ですか? また、場所は、距離だけでなく、センサーから人までの角度によってもセンサーのパフォーマンスに影響を与えます。 場所を何かに置き換える場合は、距離変数と角度変数の両方を含める必要があります。 次に、距離と角度の極値を 2 つのレベルで定義します。 これは役に立ちますか？
Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?この議論に遅れて参加して申し訳ありません。
場所は、固定効果を持つカテゴリ要因のようです。 それは本当に可用性の制限ですか？ つまり、場所ごとに限られた数の観測のみを行うことができますか? 自由に使える場所はいくつありますか? あなたが 2 つの場所を「最高」と「最悪」と呼んだという事実は、質的または分類的な要因を示唆しています。
デフォルトのモデルは、主効果または相加効果のみです。 カラー マップには高次項も表示されるため、主効果に対するこれらの効果 (相関) の影響を評価できます。 これらの効果を含めないとモデルに偏りが生じ、含めると推定値の標準誤差が増加します。
応答は何ですか？ それはバイナリですか、それとも 2 つのバイナリ結果のカウントですか? たとえば、各実行で 20 のインスタンスを観察し、各結果 (成功、失敗) の数を記録する場合があります。 一方、実行ごとに 1 つのインスタンスしか観察できない場合があります。 このような応答の場合、カスタム設計で電力解析を使用することはできません。 しかし、そのような応答を得るには、より多くの実行が必要です。 Custom Design の Simulate Response コマンドと JMP Pro の Simulate 機能を使用して、任意の設計の経験的能力を評価できます。
応答の目標は、[応答制限] 列のプロパティとして保存されます。 これは、予測プロファイラーで最適化するための望ましさ関数を定義します。 この場合には適切ではないと思いますが、プロファイラーに到達した後で変更して、更新された定義を保存することができます。
Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?はい、あなたは正しいです...応答がバイナリであったことを見逃して申し訳ありません。 より良い応答変数を作成することを強くお勧めします (前のメモを参照)。Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?両方ながら@P_バーテル私はあなたにアドバイスをしようとしていますが、「正しい」設計などないことを理解してください。 すべての設計は、必要なリソース、設計因子の影響を検出する精度、解像度、推定できるモデル、推定できる因子の数などで異なる可能性があります。 私がお勧めするのは、複数の実験を計画し、一連の基準と状況に照らして評価することです。 また、考えられるすべての結果と、それぞれの結果で何をするかを予測することもお勧めします。 8 つの設計因子と少なくとも 1 つのノイズ変数があります。 この最初の実験の目的は、より良い実験を設計することです (設計空間を移動し、最も興味深い要因を特定します)。 通常、主効果を特定するには、より低い解像度で機能しますが、解像度を上げる必要があるかどうかを判断するには、モデル効果を 2 次までランク付けする必要があります。 また、JMP でデザインをブロックすると、ソフトウェアはデフォルトでブロックをランダム効果として扱います。 ただし、ブロックを構成しているノイズがわかっている場合は、それを固定効果として扱い、ブロックごとの相互作用を定量化できます。 私はあなたが言うかもしれない少し古い学校です。 私はエイリアシングを知りたいのですが、部分的なエイリアシングを行うのは好きではありません。これは、解釈が難しく、その後の実験がどうあるべきかを判断するのが難しいからです。 しかし、私はおそらくここでは少数派です。 多くの人々は、効率のために最適な設計を好みます。 また、ソフトウェアに解析を「制御」させたくないので (場合によっては、解析オプションを制限します)、Y も入力しません。
応答変数に関して、応答を定量化する他の方法について考えたことはありますか? バイナリ応答では、違いを検出するために大きなサンプル サイズが必要です。 「オブジェクト」または「人」のサイズを変えて、検出されたオブジェクトのサイズを記録していただけますか? または、検出されるまでの「動き」の量を変えることはできますか? センサーからの距離が重要である場合、室内の場所をブロックするのではなく、オブジェクトが検出されたセンサーからの距離を特定できますか? いずれにせよ、応答変数についてもっと考えることをお勧めします。Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?@スタットマン提案していただきありがとうございます。
私はこれらのプロットを見つけようとしました。ダニエル プロット (通常のプロット)、効果のパレート プロット、および場合によってはベイズ プロットがありますが、それらは「効果スクリーニング」の下にあるようで、「標準最小二乗法」を「パーソナリティ」として使用する場合にのみ使用できます。継続的であること。 「二項」応答で「一般化線形モデル」を選択した場合、そのような選択肢はありません。 私は間違っていますか、それとも別の場所でこれを見つける必要がありますか?
Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?@スタットマンアドバイスありがとうございます。
あなたが言及したように、方法3：RCBDを使用することを選択した場合2 つのブロック (最良の場所と最悪の場所) で処理を複製すると、次のようになります。
デフォルトの実行数は 16 で、「相関のカラー マップ」は次のようになります。
上記のカラー マップから、このモデルは主効果モデルではないようです。一般的に言えば、色地図良いデザインの場合、ダイアグから多くの白が表示されますの上アル、オルソグを示すの上アリティまたはスモール相関異なる用語の間。 これは良いデザインではないということですか？ そして、実行数を増やすと、対角線からほとんどの白が表示されますが、実験計画を行うときに実行数を増やす必要があるということですか?
そして、ここでもう 1 つの質問:
私たちの応答はバイナリ値 (0/1) です。0 は占有者が存在しないことを示し、1 は占有者が存在することを示します。応答には、次のように「最大」を目標として使用しました。
これは適切ですか、それとも目標として「なし」を使用する必要がありますか?
Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?ダニエル プロット (正規プロット)、効果のパレート プロット、場合によってはベイズ プロットと p 値を使用して、スクリーニング計画から興味深い要因を評価することをお勧めします。 私は、あなたのスクリーニング計画における MSE の推定値が貧弱で、代表的ではなく、偏っていることを懸念しています。 私が提案するプロットは偏っている可能性が低い. 基本的に、すべての効果を相互に比較して、どれが割り当て可能で実際に重要かを判断します。Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?この場合、室内の場所はノイズです。 誰かが部屋のどこにいるかを制御することはできませんが、センサーでその人がそこにいることを検出する必要があります。 部屋の場所は、実験中に制御できますが、実際には制御できません。 このタイプの要因は、さまざまな方法で処理できます。
1. 繰り返し: 治療の組み合わせを一定に保ち、さまざまな場所で繰り返し測定します。 場所はランダムである可能性がありますが、場所に違いがある理由 (センサーへの近さ、センサーからの角度、部屋の隅など) に関する特定の仮説があれば、より多くの情報が得られ、体系的にサンプリングされます。
2. ランダム化された複製: これが、この要因の処理方法であると思います。 これにより、推論空間が増加し、MSE の理論的に偏りのない推定値が得られますが、場所の影響がわからず、設計因子の影響の検出精度が低下する可能性があります。
3. RCBD: この場合、最適な場所 (センサーの真正面) を 1 レベルとして選択し、最悪の場所 (遠く、極端な角度) を 2 番目のレベルとして選択します。 2 つのブロックにわたって処理を繰り返します。 この場合、位置を固定効果として扱うことができます。 これにより、推論空間が増加するだけでなく、ブロック (場所) とすべてのブロックごとの相互作用効果 (センサーのロバスト性の尺度) を高い精度で推定する機能が可能になります。
4. 分割プロット (交差積配列): 処理をプロット全体に配置し、ノイズをサブプロットに配置するか、ノイズを WP に配置して処理を SP に配置します。これにより、設計の効率が向上し、因子の交互作用効果による設計因子とノイズの検出精度が向上する可能性があります。Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?@P_バーテルしたがって、この問題に対する簡単な方法や単一の答えはないようです。 スクリーニング計画法を使って実験を計画し、結果を分析するときは、このことを念頭に置いています。 お時間をいただき、ありがとうございます。
Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?私の例は、実際にはスクリーニング計画です。 因子は 1 つだけですが、原則は 1 つから複数の因子とその適切なレベルに適用されます。 はい、ある程度p値を使用します...しかし、p値に陥らないでください。これは崖の罠です。 採用すると仮定し、効果の推定値について帰無仮説を棄却するために必要な特定の重要な p 値を完全に決定するのはあなた次第です。 0.05? 0.01?0.10?と何度も。 また、パラメータ推定の重要な p 値として 0.05 を選択し、1 つの効果の p 値 = 0.049 と別の効果の p 値 = 0.051 がある場合はどうなるでしょうか。 崖っぷちのメンタリティによって、0.049 の推定値を反映する要因は「重要」であると言わざるを得なくなります...そして主よ、私はその言葉が嫌いです...しかし、それはまた別の暴言であり、他の要因は「重要ではない」です。 p 値が臨界値よりも高いためです。
実行回数は、効果を検出できる力を与えます。 私の例はそれを裏付けています。 2回の実行...帰無仮説を棄却するのは難しいでしょう...しかし、そのコインを1,000回投げると、私の家は帰無仮説を棄却するに違いありません。 スクリーニング計画は、実行数に対して意図的に非常にまばらです...そのため、効果が存在する可能性があります...陪審員を納得させるのに十分な証拠を収集していないだけです.
Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?@スタットマン一般に、私たちの目標は、室内の居住者の位置が、居住者を検出する占有センサーのパフォーマンスに影響を与えるかどうかを判断することです。 したがって、最初に床に 3x3 フィートのグリッドをマークし、いくつかの乱数生成ツールを使用して 8 つの場所をランダムに選択し、居住者はこれらの 8 つの異なる場所に立ってテストします。 場所を制御できるようなものですか？ 実際、部屋の隅に 1 人が立っているとセンサーが居住者を検出できないことがわかっているので、その場所の極値も選択できるということでしょうか? たとえば、極端な極値の 1 つは部屋の中央に立っている人で、センサーが占有者を検出する確率が最大になります。もう 1 つの極値は、部屋の隅に立っている人で、センサーが検出する確率が最小になります。居住者を検出しますか？
Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?@P_バーテル本当に助かります。 DOE トレーニングのいくつかはすでに受けましたが、他のトレーニングも受けます。
例であなたが言おうとしていることは理解できると思いますが、スクリーニング計画に関して、私たちが本当に気にかけているのは、どの要因が応答に大きな影響を与えるかということです。モデリング結果に影響しますよね？ たとえば、スクリーニング計画を使用して実験を設計し、主効果モデルを選択します。実験を行った後、実際の応答データを収集し、主効果分析を行うモデルを選択します。 次に、P 値に従ってどの要因が有意であるかを示す結果が得られます。 結果が正しいかどうかはどうすればわかりますか? それとも、一定回数実行した後、結果を分析してどの要因も重要ではないことがわかったので、さらに実験を実行する必要があるのでしょうか? たぶん私が間違っているか、私の質問はちょっとばかげていますが、これを実験計画のスクリーニングに関連付けるのは難しいです...
Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?モーションについては、極値を選択します。 それが重要な場合は、「微調整」できます。 部屋の中の位置については…これを実際に制御できますか、それともノイズですか？ ノイズの場合は、ブロッキングを検討してください。
Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?@yiyichuどのモデリング手法をいつ使用するかについて不完全なガイダンスを提供することは、このような一般的なディスカッション フォーラムの範囲を超えています。 実際の問題、データの種類、データの収集方法、ノイズ要因の影響、ソフトウェアの能力、プロジェクトに関与する人々の能力、そしておそらく私が言及していないいくつかのことは、問題を解決する方法を決定するのに役立つ役割を果たします. その点で、あなたが追求する最善の方法は、教育と実践を通じて問題解決スキルを構築するためのより包括的なアプローチを検討することだと私は本当に思います. これを達成するための優れた方法の 1 つは、SAS の「産業上の問題解決のための統計的思考」カリキュラムを完了することです。 コースの大部分は、データ収集、データ型、分析戦略を組み合わせて問題を解決することに専念しています。 コース情報のメイン Web ページへのリンクは次のとおりです。産業問題解決のための統計的思考
実行回数が少ない場合の例を挙げてみます。ノイズから信号を引き出すのは難しいかもしれません。 これはちょっとした頭の体操です。 コイントスが公平でバランスが取れているかどうかを判断したいと言うことから始めましょう。 つまり、コインを投げて表または裏が出る確率は 0.5 です。 ここで、私が 50/50 ではないコインを使って「実験」に来たとしますが、帰無仮説はそれが 50/50 コインであるというものです。 しかし、実際には私はごまかしており、表が出る確率が 0.7、裏が出る確率が 0.3 のコインを実験に持ってきました。 コインを1回投げると…表が出ます。 コインが 50/50 であるという仮説を拒否しますか? おそらく、1回の投げに基づいていません。 2回目のトスはどうですか？ 今、あなたは再び頭を手に入れます。 まだ拒否しますか？ 結局、仮説が正しければ、2 回連続して表が出る確率は 0.25 です。 ほとんどの人はまだ帰無仮説を棄却しないと思います。 それで、あなたは 3 度目にひっくり返します...今度は尻尾を手に入れます。 最終的にゼロを拒否するには、何回のフリップと結果が必要ですか? そこには、私の実際の経験では、バイナリの結果が時々発生するという問題があります。
これが役立つことを願っていますか？
Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?@スタットマンここでの 4 レベルの要素は「モーション レベル」であり、Major Motion、Minor Motion、Fine Motion、None Motion の 4 つです。 ここでの 8 レベル係数は、部屋の 8 つの異なる場所をランダムに選択することです。しかし、あなたは正しいです。 実際には、4 水準と 8 水準の因子の極値を選択して、すべての因子を 2 水準にすることも検討しています。 次に、決定的スクリーニング計画法を選択することもできます。 どちらの方法が良いかわかりません。 今、あなたのアドバイスにより、私はこの方法でそれを行うことに自信が持てるようになりました。 ありがとう。
Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?@P_バーテル先程だけメインエフェクトにすればいいと思うのですが、何かごちゃごちゃするかもしれません。 モデルを再確認し、モデルが主効果のみであることを確認したところ、エラーは解消されたようです。
私は DOE と JMP の初心者なので、 JMP ドキュメントで提供されている例に従っているという理由だけで、Elastic Net はパーソナリティに適合します。 それでは、基本的なロジスティック回帰推定法を出発点として使用してみます。 アドバイスありがとうございます。 推定方法を選択したとき、どの推定方法を選択するか、基本的なロジスティック回帰推定方法をいつ選択するか、Lasso、Elastic Net、Ridge などの他の方法を選択する必要があるかをどのように決定するか。
そして、あなたの最初の返信から、ノイズから信号を導き出してカテゴリカルな応答を得るには、多くの実行が必要になることがあるとおっしゃいました... それについてもう少し説明していただけますか？ さらに実行する必要があるかどうかを確認するにはどうすればよいでしょうか?
もう一度お時間をいただきありがとうございます。
Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?私も興味がありますが、なぜ 4 レベルと 8 レベルのカテゴリカル ファクターを見ているのか不思議です。 これは、勝者を選ぶスクリーニング計画よりもテスト？ 私の考え: スクリーニングは、考えられるすべての組み合わせをテストすることを意図したものではありません。 4 レベルまたは 8 レベルの極値を選択できますか? アイデアは、すべての要因を（偏りなく平等に）比較し、それらのどれがさらに調査する価値があるかを判断することです. いくつかの因子について 2 つ以上の水準でテストすることにより、それらの因子についてより多くの情報を得ることができるため、研究に偏りが生じます。
もちろん、あなたの具体的な状況はわかりませんので、無視していただいてもかまいません。
Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?@yiyichu Custom Design プラットフォームをご利用いただきありがとうございます。 設計構築のために明確に表現した特定のモデルを共有できますか? 主効果だけだったの？ それとも何か違う？
私の最初の返信で、主効果のみのモデルを指定することを提案しました...表示されているエラーメッセージとに基づいています@マークベイリーさんの正解です。モデルを主効果以上のものに当てはめようとしているように見えますか? あなたの設計は、少なくともいくつかの 2 つの (または天国が禁じている) さらに高い次数の因子の相互作用について、少なくともある程度の推定をサポートしていますか? 2 レベルを超えるカテゴリ因子がある場合、これらの因子を含む交互作用効果を推定するには、計画が急に大きくなる可能性があります。 特に 8 レベルの 1 つの因子では。
また、Elastic Net フィッティング パーソナリティを選択した理由についても少し興味がありますか? スクリーニング モデリング モードでは、単純な名義ロジスティック回帰モデルから始めたのかもしれません。 Elastic Net は間違った選択ではありませんが、パラメーターの推定値の一部をゼロにする傾向がある可能性があります。これは非常に自然なことであり、効果レベルの情報コンテンツを見逃す可能性があるためです。 何よりも好奇心が強いですか？
Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?これは、モデルの階層が重要であることを示しています。 JMPでは、階層を維持することを強く推奨していますが、必須ではありません。
モデル階層とは、モデルに X1*X2 がある場合、X1 と X2 だけでは重要でなくても、モデルに含める必要があることを意味します。
Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?どうもありがとうございます。 そして、私は別のフォローアップの質問があります.
Custom Design プラットフォームを使用しました。 バイナリ応答があるため、モデルを適合させるときに、パーソナリティ: 一般化回帰、分布: 二項、推定方法: Elastic Net -- 適応、検証方法: AICc を選択しました。 しかし、「実行」ボタンをクリックすると、「継承の維持に失敗したため、フィッティングは早期に終了しました。 遺伝を強制せずに再度実行することを検討してください。」 これは私が解決しなければならない深刻な問題ですか、どうすれば問題を解決できますか、それとも他の方法を選択する必要がありますか?Re: スクリーニング計画は、1 つの連続因子、7 つの他のカテゴリ因子、および 1 つのカテゴリ応答に使用できますか?因子の水準が 2 以外の状況に陥ると、従来のスクリーニング計画、つまり 2 水準一部実施要因計画は適用できないか、実行可能でさえありません。 あなたのケースでは、レベルが 2 以外の要因がいくつかあり、最適な DOE シナリオを使用することを余儀なくされています...JMP では、Custom Design プラットフォームに直接移動します。 あなたはスクリーニング計画を実行したいと思われるので、カスタム計画プラットフォームを使用して、主効果のみのモデルでサポートされる計画を作成します。 実行回数を最小限に抑えることに注意してください。 JMP で指定された最小値を超えていくつかの実行を追加して、ある程度の自由度のエラーを許容することができます。
カテゴリー応答でアクティブな効果を見つけようとして頑張ってください...私の過去の経験では、ノイズから信号を引き出すために多くの実行が必要になることがあります...しかし、試してみない限り、決してわかりません.
