¿Se podría utilizar el diseño de cribado para 1 factor continuo, otros 7 factores categóricos y 1 respuesta categórica?Me gustaría evaluar la influencia de 8 factores en la respuesta. Hay 1 factor continuo, otros 7 factores categóricos y 1 respuesta categórica, y 2 de los factores categóricos tienen 4 niveles, uno de los factores categóricos tiene 8 niveles. ¿Podemos utilizar el método de diseño de cribado clásico para diseñar experimentos?
Queremos conocer los factores más influyentes entre los 8 factores, ¿dónde podríamos analizar los resultados experimentales del cribado? Cuando agregamos más de 6 factores o los niveles de factores superan los 3, la pestaña "Screening" desaparece donde no podemos analizar los resultados del diseño de screening. ¿Cuáles son los problemas? ¿Significa eso que en este caso no se puede utilizar el diseño de pantalla clásico? ¿O deberíamos analizar los resultados del diseño de detección por separado?
Gracias.
GAMARe: ¿Se podría utilizar el diseño de cribado para 1 factor continuo, otros 7 factores categóricos y 1 respuesta categórica?Una vez que se encuentra en una situación en la que los niveles de factores son distintos de 2, los diseños de cribado clásicos, es decir, los diseños factoriales fraccionarios de dos niveles, no son aplicables ni factibles. En su caso, con algunos factores que tienen niveles distintos de 2, se ve obligado a utilizar un escenario DOE óptimo ... que en JMP lo lleva directamente a la plataforma de diseño personalizado. Dado que parece que desea ejecutar un diseño de trama, usaría la plataforma de Diseño personalizado para crear un diseño que sea compatible con un modelo de efectos principales únicamente. Con miras a minimizar el número de carreras. Es posible que desee agregar algunas ejecuciones por encima del mínimo especificado por JMP para permitir algunos grados de libertad de error.
Buena suerte tratando de encontrar efectos activos con una respuesta categórica ... mi experiencia pasada es que a veces necesitas muchas carreras para provocar una señal del ruido ... pero nunca lo sabrás a menos que lo intentes.
Re: ¿Se podría utilizar el diseño de cribado para 1 factor continuo, otros 7 factores categóricos y 1 respuesta categórica?Muchas gracias. Y tengo otra pregunta de seguimiento.
Usé la plataforma de Diseño Personalizado. Como tengo una respuesta binaria, cuando ajusté el modelo, elegí Personalidad: Regresión generalizada, Distribución: Binomial, Método de estimación: Red elástica - Adaptativo, Método de validación: AICc. Pero cuando hago clic en el botón "Ir", se muestra una alerta que es "El ajuste terminó antes de tiempo debido a que no se mantuvo la herencia". Considere volver a correr sin imponer la herencia ". ¿Es este un problema grave que tengo que resolver, cómo podría resolver el problema o debería elegir otros métodos?Re: ¿Se podría utilizar el diseño de cribado para 1 factor continuo, otros 7 factores categóricos y 1 respuesta categórica?Esto se refiere al hecho de que la jerarquía del modelo es importante. JMP le recomienda encarecidamente que mantenga la jerarquía, pero no la exige.
La jerarquía del modelo significa que si tiene X1 * X2 en el modelo, entonces X1 y X2 también deberían estar en el modelo, incluso si no son significativos por sí solos.
Re: ¿Se podría utilizar el diseño de cribado para 1 factor continuo, otros 7 factores categóricos y 1 respuesta categórica?@yiyichu Genial que hayas utilizado la plataforma de diseño personalizado. ¿Puede compartir el modelo específico que articuló para la construcción del diseño? ¿Fueron solo los efectos principales? ¿O algo diferente?
En mi primera respuesta, le sugerí que especificara un modelo de solo efectos principales ... el mensaje de error que está viendo y basado en @markbailey es la respuesta correcta, seguro que parece que está tratando de ajustar un modelo con algo más que efectos principales. ¿Su diseño admite al menos algún nivel de estimación para al menos dos (o el cielo no lo permita) interacciones de factores de orden aún mayor? Con factores categóricos en más de 2 niveles, para estimar los efectos de interacción que contienen esos factores, su diseño puede crecer rápidamente. Especialmente con el factor único con 8 niveles.
Y también tengo un poco de curiosidad por saber por qué eligió la personalidad de ajuste Elastic Net. Supongo que, en un modo de modelado de detección, podría haber comenzado quizás con un simple modelo de regresión logística nominal. Elastic Net no es una elección incorrecta ... pero puede tender a poner a cero algunas de las estimaciones de los parámetros, ya que eso es muy natural y es posible que se pierda el contenido de información de nivel de efecto. ¿Solo curiosidad más que nada?
Re: ¿Se podría utilizar el diseño de cribado para 1 factor continuo, otros 7 factores categóricos y 1 respuesta categórica?También tengo curiosidad, pero tengo curiosidad por saber por qué estás mirando factores categóricos de 4 y 8 niveles. Esto suena más como un elige al ganador prueba que un diseño de cribado? Mis pensamientos: El cribado no está destinado a probar todas las combinaciones posibles. ¿Puedes elegir los extremos de los 4 u 8 niveles? La idea sería comparar todos los factores (por igual, sin sesgos) y determinar cuáles de ellos merecen una mayor investigación. Al probar en más de 2 niveles algunos de sus factores, tiene más información sobre esos factores y, por lo tanto, ha sesgado su estudio.
Pero, por supuesto, no conozco su situación específica, por lo que es posible que desee ignorarme.
Re: ¿Se podría utilizar el diseño de cribado para 1 factor continuo, otros 7 factores categóricos y 1 respuesta categórica?@P_Bartell Creo que debería ser el efecto principal solo antes, pero puedo estropear algo. Vuelvo a comprobar el modelo y me aseguro de que el modelo sea solo el efecto principal, y parece que el error desaparece ahora.
Como soy titular de DOE y JMP, elegí el Personalidad de adaptación de Elastic Net solo porque sigo el ejemplo que se proporcionó en la documentación de JMP. Intentaré utilizar el método básico de estimación de regresión logística como punto de partida. Gracias por tu consejo. Cuando elegimos los métodos de estimación, ¿cómo decidimos qué métodos de estimación debemos elegir, cuándo elegir un método de estimación de regresión logística básica, cuándo debemos elegir otros, como Lasso, Elastic Net, Ridge, etc.
Y desde tu primera respuesta, dijiste que a veces necesitamos muchas carreras para provocar una señal del ruido para una respuesta categórica ... ¿Podría explicarnos un poco más sobre eso? ¿Qué podemos hacer para comprobar si necesitamos más ejecuciones?
Gracias por tu tiempo nuevamente.
Re: ¿Se podría utilizar el diseño de cribado para 1 factor continuo, otros 7 factores categóricos y 1 respuesta categórica?@statman El factor de 4 niveles aquí es "nivel de movimiento", que incluye movimiento mayor, movimiento menor, movimiento fino y ningún movimiento. El factor de 8 niveles aquí es elegir aleatoriamente 8 ubicaciones diferentes en una habitación para nuestro caso.Pero tienes razón. En realidad, también estoy considerando elegir los extremos de los factores de 4 niveles y 8 niveles para hacer que todos los factores estén en 2 niveles. Entonces también podemos elegir el método de diseño de cribado definitivo. Simplemente no estoy seguro de qué manera podría ser mejor. Ahora tu consejo me da más confianza para hacerlo de esta manera. Gracias.
Re: ¿Se podría utilizar el diseño de cribado para 1 factor continuo, otros 7 factores categóricos y 1 respuesta categórica?Para Motion, elija extremos. Si eso es significativo, entonces puede "afinar". Para la ubicación en la habitación ... ¿Puede realmente controlar esto o es ruido? Si hay ruido, considere bloquear.
Re: ¿Se podría utilizar el diseño de cribado para 1 factor continuo, otros 7 factores categóricos y 1 respuesta categórica?@statman Gracias por tu consejo.
Si elijo usar el Método 3: RCBD como mencionaste replicar los tratamientos en 2 bloques (mejores y peores ubicaciones), es como lo siguiente:
El número predeterminado de ejecuciones es 16 y, a continuación, el "Mapa de colores en correlaciones" es el siguiente:
Según el mapa de colores de arriba, parece que el modelo no es el modelo de efecto principal.En términos generales, la color mapa para un buen diseño muestra mucho blanco en el diagrama en al, indicando ortog en alidad o pequeño correlación s entre términos distintos. ¿Significa esto que este no es un buen diseño? Y si aumento el número de corridas, se mostrará la mayor parte del blanco fuera de la diagonal, ¿eso significa que necesito aumentar el número de corridas cuando hago diseño experimental?
Y una pregunta más aquí:
Nuestra respuesta es un valor binario (0/1), 0 indica no presencia de ocupantes, 1 indica presencia de ocupantes, para la respuesta, utilicé "Máximo" como Meta, de la siguiente manera:
¿Es esto correcto o debería utilizar "Ninguno" como objetivo?
Re: ¿Se podría utilizar el diseño de cribado para 1 factor continuo, otros 7 factores categóricos y 1 respuesta categórica?@statman Gracias por las sugerencias.
Intenté encontrar estas parcelas, incluidas Gráficas de Daniel (gráficas normales), gráficas de Pareto de efectos y posiblemente gráficas de Bayes, pero parece que están bajo la "Selección de efectos", y solo están disponibles si usa "Mínimos cuadrados estándar" como "Personalidad", lo que significa que la respuesta debe ser continuo. No existe tal opción si elijo el "Modelo lineal generalizado" con la respuesta "Binomial". ¿Me equivoco o necesito encontrar esto en otro lugar?
Re: ¿Se podría utilizar el diseño de cribado para 1 factor continuo, otros 7 factores categóricos y 1 respuesta categórica?Mientras tanto @P_Bartell y estoy tratando de darte un consejo, debes darte cuenta de que no existe un diseño "correcto". Cada diseño variará potencialmente en los recursos requeridos, la precisión de detección de los efectos de los factores de diseño, la resolución, el modelo que se puede estimar, la cantidad de factores que se pueden estimar, etc. Lo que recomiendo es diseñar múltiples experimentos y evaluarlos contra el conjunto de criterios y su situación. También le sugiero que prediga todos los resultados posibles y lo que hará en cada resultado. Tiene 8 factores de diseño y al menos 1 variable de ruido. El propósito de este primer experimento es diseñar un experimento mejor (mover el espacio de diseño e identificar los factores que son más interesantes). Por lo general, una resolución más baja funcionará para identificar los efectos principales, pero debe ordenar los efectos del modelo hasta el segundo orden para determinar si necesita aumentar la resolución. Además, cuando JMP bloquea el diseño, el software trata el bloque como un efecto aleatorio de forma predeterminada. Sin embargo, cuando sepa qué ruido está formando el bloque, puede tratarlo como un efecto fijo y cuantificar las interacciones bloque por factor. Yo diría que soy un poco de la vieja escuela. Quiero saber el aliasing y no me gusta hacer aliasing parcial, ya que es más difícil de interpretar y determinar cuál debería ser el experimento posterior. Pero probablemente soy una minoría aquí. A muchas personas les gustan los diseños óptimos por su eficiencia. Tampoco completo ninguna Y porque no quiero que el software "controle" mi análisis (en algunos casos, limite mis opciones de análisis).
En cuanto a su variable de respuesta, ¿ha pensado en otras formas de cuantificar la respuesta? La respuesta binaria requiere grandes tamaños de muestra para detectar diferencias. ¿Podría variar el tamaño del "objeto" o "persona" y registrar qué tamaño de objeto se detecta? ¿O podría variar la cantidad de "movimiento" que se necesita para ser detectado? Si la distancia desde el sensor es importante, en lugar de bloquear la ubicación en la habitación, ¿podría determinar a qué distancia del sensor se detecta el objeto? En cualquier caso, recomendaría reflexionar más sobre las variables de respuesta.Re: ¿Se podría utilizar el diseño de cribado para 1 factor continuo, otros 7 factores categóricos y 1 respuesta categórica?Sí, tienes razón ... perdón por no haberme dado cuenta de que la respuesta era binaria. Realmente sugiero que cree una mejor variable de respuesta (vea la nota anterior).Re: ¿Se podría utilizar el diseño de cribado para 1 factor continuo, otros 7 factores categóricos y 1 respuesta categórica?Lamento unirme a esta discusión tan tarde.
La Ubicación parece ser un factor categórico con efectos fijos. ¿Es realmente una restricción de disponibilidad? Es decir, ¿solo puede realizar un número limitado de observaciones por ubicación? ¿Cuántas ubicaciones tienes a tu disposición? El hecho de que haya llamado a las dos ubicaciones "mejor" y "peor" me sugiere un factor cualitativo o categórico.
El modelo por defecto es solo los efectos principales o aditivos. El mapa de colores también muestra términos de orden superior, de modo que pueda evaluar el impacto de estos efectos (correlación) en los efectos principales. Los efectos sesgarán su modelo si no los incluye y aumentarán los errores estándar de las estimaciones si se incluyen.
Cual es la respuesta? ¿Es binario o es un recuento de dos resultados binarios? Por ejemplo, podría observar 20 instancias en cada ejecución y registrar el número de cada resultado (éxito, fracaso). Por otro lado, es posible que solo observe 1 instancia en cada ejecución. No puede utilizar el análisis de potencia en diseño personalizado en el caso de tal respuesta. Pero ciertamente necesitas más carreras para tal respuesta. El comando Simular respuesta en Diseño personalizado junto con la función Simular en JMP Pro se puede utilizar para evaluar el poder empírico de cualquier diseño.
El objetivo de la respuesta se guarda como propiedad de la columna Límites de respuesta. Define la función de deseabilidad para la optimización en el generador de perfiles de predicción. No creo que sea apropiado para este caso, pero puede cambiarlo después de llegar al generador de perfiles y luego guardar la definición actualizada.
Re: ¿Se podría utilizar el diseño de cribado para 1 factor continuo, otros 7 factores categóricos y 1 respuesta categórica?@statman Basado en su idea aquí, el diseño del bloque traerá alias parcial ya que cuantificará las interacciones bloque por factor. Y no queremos hacer el alias parcial para el primer experimento, ¿verdad? Y dijiste, "no llenaste ninguna Y", ¿significa que no ingresaste "respuesta"?
Nuestra variable de respuesta es Presencia / No presencia binaria, lo que significa si el sensor de ocupación detecta personas o no en el espacio. En realidad, la otra forma en que podríamos interpretar la respuesta es contando el número de personas en una sala de pruebas. Y luego podríamos decidir la presencia / no presencia del sensor en función de los resultados posteriores. Si el número de recuento es 0, entonces "No presencia"; si no es 0, entonces "Presencia". Aparte de eso, no pude pensar en otra forma de interpretar la respuesta. ¿O quizás tienes algunos buenos pensamientos? ¿Sería útil esto para mejorar el caso? Desafortunadamente, no pudimos detectar el tamaño de los objetos / personas usando el sensor de ocupación. La moción tiene cuatro categorías: principales: personas que caminan, menores: personas que extienden los brazos, bien: personas que escriben a máquina, no duermen. ¿Qué quieres decir con variar la cantidad de movimiento? Y la ubicación influye en el rendimiento del sensor no solo por la distancia, sino también por el ángulo entre el sensor y las personas. Si queremos que algo reemplace la ubicación, tal vez deberíamos incluir las variables de distancia y ángulo. Y luego definimos los valores extremos para la distancia y el ángulo en dos niveles. ¿Sería útil esto?
Re: ¿Se podría utilizar el diseño de cribado para 1 factor continuo, otros 7 factores categóricos y 1 respuesta categórica?@markbailey Gracias por darnos tu opinión.
Para la ubicación, el trasfondo es que configuramos los sensores de ocupación, las personas se pararán en diferentes ubicaciones en un espacio de prueba y luego evaluamos si el sensor de ocupación detectará ocupantes o no. Porque queremos saber si la ubicación de las personas afectaría el rendimiento de los sensores de ocupación. Inicialmente, elegimos 8 ubicaciones aleatorias como 8 niveles para la variable de ubicación. Pero basándonos en nuestra discusión con @statman , es mejor no usar 8 niveles para el primer diseño experimental, es por eso que decidimos elegir los casos extremos para la ubicación, uno es el peor caso donde el sensor no pudo detectar ocupantes, uno es el mejor caso donde las personas párese justo delante del sensor para que el sensor detecte perfectamente a los ocupantes. Entonces, ¿tal vez no sea una restricción de disponibilidad? ¿Es solo una variable que queremos variar para ver cómo afecta la respuesta?
Para la respuesta, es un valor binario que observamos 1 instancia en cada ejecución. Para nuestro caso, la respuesta es la Presencia / No presencia de personas. Presencia significa que el sensor detecta a los ocupantes, No presencia significa que el sensor no detecta a los ocupantes. Entonces, en este caso, ¿qué debo elegir para el objetivo de la respuesta?
