연속 요인 1개, 기타 범주형 요인 7개 및 범주형 반응 1개에 선별 설계를 사용할 수 있습니까?응답에 대한 8가지 요인의 영향을 평가하고자 합니다. 연속형 요인 1개, 기타 범주형 요인 7개, 범주형 반응 1개가 있으며, 범주형 요인 중 2개는 4개 수준, 범주형 요인 중 1개는 8개 수준입니다. 고전적인 스크리닝 설계 방법을 사용하여 실험을 설계할 수 있습니까?
스크리닝 실험 결과를 분석할 수 있는 8가지 요인 중 가장 영향력 있는 요인을 알고 싶습니다. 요인을 6개 이상 추가하거나 요인 수준이 3개를 초과하면 선별 설계 결과를 분석할 수 없는 "선별" 탭이 사라졌습니다. 문제가 무엇입니까? 이 경우 고전적인 스크리닝 디자인을 사용할 수 없다는 의미입니까? 아니면 스크리닝 설계 결과를 따로 분석해야 할까요?
감사.
암사슴Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?노이즈 처리 옵션에 대해 논의하는 많은 문서가 있습니다. Fisher(블로킹을 발명한 사람), Box 등 알. 수많은 논문/책을 가지고 있습니다.
박스, 조지, 헌터, 윌리엄, 헌터, J. 스튜어트(2005) “ 실험자를 위한 통계: 설계, 혁신 및 발견 ” Wiley & Sons(ISBN 0471718130)가 이를 잘 다루고 있습니다. 이 논문은 훌륭합니다.
샌더스, D., Leitnaker M., and McLean R. (2002) "산업 연구의 무작위 완전 블록 설계" 품질공학, Vol. 14, 1호
내가 좋아하는 것 중 하나:
다니엘, 커스버트(1976) “ 산업 실험에 대한 통계의 응용 ” 와일리(ISBN 0-471-19469-7)
분할 플롯 설계(IMHO)에 대한 궁극적인 논문:
상자, GEP, 스티븐 존스(1992), “ 강력한 제품 실험을 위한 분할 플롯 설계 ", 응용통계학술지 , 권. 19, 1번
나는 또한 주제에 대한 강의를 지원하기 위해 내가 사용하는 지나치게 단순화된 토론을 첨부했습니다.
Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?제가 아는 기준은 없습니다. JMP Pro의 시뮬레이션 기능을 사용하여 주어진 설계에 대한 분석 성능을 평가할 수 있습니다.
예, 좋은 결과를 얻느냐에 달려 있습니다. 그러나 이 접근법 뒤에는 엄격한 방법이 있습니다. 예를 들어 디자인을 만들고 사용자 지정 디자인 플랫폼 메뉴에서 응답 시뮬레이션을 선택할 수 있습니다. 이항 응답을 시뮬레이션할 수 있습니다. 최소 계수 또는 예상 계수를 입력하고 응답을 생성할 수 있습니다. 첫 번째 시뮬레이션 샘플에 대한 분석을 수행합니다. 그런 다음 관심 있는 숫자 열(예: 매개변수 추정치, p-값 또는 기타)을 마우스 오른쪽 버튼으로 클릭하고 시뮬레이션을 선택합니다. 그런 다음 시뮬레이션 결과에 표시된 대로 설계를 조정할 수 있습니다.
참조하십시오 Simulate 문서 .
Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?@Mark_Bailey 당신이 언급 한 것에 따르면, 나는 항상 그렇습니다. 로지스틱 회귀 또는 이항 GLM 모델을 잘 추정하려면 많은 실행이 필요합니다. 일반적으로 좋은 추정 결과를 제공할 수 있는 실행 횟수에 대한 표준이 있습니까? 아니면 우리가 좋은 결과를 얻느냐에만 달려 있습니까? 파레토 플롯 등과 같이 응답이 연속적인 경우 모델의 장점을 평가하는 방법이 많이 있음을 알고 있습니다. 응답이 이분법일 때 모델이 좋은지 여부를 평가하기 위해 사용할 수 있는 방법은 무엇입니까?
Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?@statman 위치가 소음으로 간주되어야 하는 이유를 설명하려고 했던 내용을 이해합니다. 하지만 해상도를 결정하는 방법에 대해서는 좀 더 알아봐야 할 것 같습니다. 또는 도움이 될 수 있는 리소스/문서가 있다는 것을 알고 계십니까?
응답 변수의 경우 IR을 사용하여 동작을 감지하는 수동 PIR 센서를 사용합니다. 그러나 다양한 유형의 센서가 결합된 일부 센서 시스템도 테스트해야 합니다. 이 경우 결과는 서로 다른 센서 출력을 기반으로 계산되며 단일 측정이 아닙니다... 그리고 테스트를 수행할 때 최종 바이너리 출력만 제공됩니다. 아마도 이 경우는 실험 설계를 위해 더 복잡할 것입니다...
Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?Mark, 나는 종종 실험과 분석 중에 노이즈를 고정 효과로 "처리"합니다. 이를 위해서는 실험자가 노이즈가 무엇인지 이해하고(식별해야 함) 실험 중에 노이즈를 관리(또는 샘플링)할 수 있어야 합니다. 이를 통해 견고한 설계를 생성하는 데 필요한 구성 요소인 잡음별 요인 상호 작용(변화하는 잡음에 대해 일관된 설계 요인 효과임)을 추정할 수 있습니다.
참조:
샌더스, D., Leitnaker M. 및 McLean R. (2002) "산업 연구의 무작위 완전 블록 설계" Quality Engineering, Vol. 14, 1호Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?나는 우리가 동의하지 않는다고 생각합니다. 단지 위치 요소의 특성을 확인하고 싶었을 뿐입니다. "최고"와 "최악"이라는 설명은 고정된 효과처럼 들렸습니다. 각각 실행의 절반을 제공하는 두 개의 임의 위치임을 알 수 있습니다. 그러면 랜덤 블록이어야 합니다. 그러나 나는 위치의 견해에 전적으로 동의합니다.
Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?이 점에서 나는 동의하지 않는다. @Mark_Bailey . 실내 위치는 소음이므로 실험 시 소음으로 처리해야 합니다. 당신은 위치가 중요하고 그것이 작동하기 위해 사람들이 여기에 서 있어야 한다고 결론짓고 싶지 않습니다. 이러한 센서를 판매하지 않거나 판매하는 센서에 고객 불만이 많을 것입니다(내가 여기 서 있을 때만 작동함).Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?설명해 주셔서 감사합니다.
위치 요인을 차단 요인이 아닌 단순한 범주 요인으로 취급하겠습니다.
목표가 없는 맞춤 디자인의 응답을 정의합니다. 나중에 프로파일러에서 바람직함 함수를 정의하는 것이 더 쉬울 것입니다.
단일 시도(하나의 예 또는 아니오 결과)는 로지스틱 회귀 또는 이항 GLM 모델을 잘 추정하기 위해 많은 실행이 필요함을 의미합니다.
Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?명확히 하기 위해 부분적 앨리어싱은 효과가 직교하지도 않고 완전히 앨리어싱되지도 않는 경우입니다. 앨리어싱이 무엇인지 알고 있는 한 앨리어싱에는 아무런 문제가 없습니다. 실제로 앨리어싱은 효율성 전략입니다. 첫 번째 연구에서 모든 효과를 분리하는 이유. 특히 첫 번째 실험에서 고차 항(계승 또는 다항식)을 분리할 필요가 없습니다. 추정할 효과, 별칭할 효과, 제한할 효과를 결정해야 합니다. 효과가 중요하고 앨리어싱된 항목을 알고 있는 경우 다음 반복에서 해당 효과의 앨리어싱을 확실히 해제할 수 있습니다. 부분적 앨리어싱의 문제는 효과가 여러 효과에 걸쳐 분산되어 있으므로 디앨리어싱이 실제로 가능하지 않다는 것입니다.
응답 변수에 대해: 어떤 유형의 센서를 사용하고 있는지 모르지만 "감지"하는 방법을 생각해 보십시오. 능동적입니까 아니면 수동적입니까? 수동형인 경우 IR을 사용하여 움직임을 감지합니까? 센서는 해당 신호를 어떻게 처리합니까? 측정/정량화할 수 있습니까? 과학을 이해하는 엔지니어가 있습니까? 더 나은 측정을 위해 노력하겠습니다.
실험을 설계할 때 디자인 요소에 필요한 해상도와 노이즈에 필요한 해상도를 결정해야 합니다. 견고한 설계를 위해 필요합니다). 여기에 사고 실험이 있습니다. 방에 누군가가 있는 위치가 소음이라고 가정해 봅시다. 당신은 당신의 장치가 소음(누군가가 방안에 있는 곳)에 강하기를 원합니다. 감지 장치의 성능에 영향을 미칠 수도 영향을 미치지 않을 수도 있는 설계 요소(센서 감도, 각도, 크기 등)를 실험하고 있습니다. 이러한 요소 중 하나는 중요하지만 그 효과(크기 및/또는 방향)는 노이즈에 따라 다릅니다(RCBD에서 얻은 블록별 상호 작용에 의해 추정됨). 설계 초기에 이를 알고 싶기 때문에 해당 요인에 대한 설정을 찾거나 다른 요인을 찾거나 현장에서 요인을 조정하여 요인 상호작용 효과에 의한 노이즈를 줄일 수 있습니다. 그렇지 않으면 장치의 성능이 노이즈에 따라 달라집니다. 즉, 어느 시점에서 고객 불만이 있을 수 있습니다.Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?@Mark_Bailey 생각을 제공해 주셔서 감사합니다.
위치의 경우 배경은 점유 센서를 설정하고 사람들은 테스트 공간의 다른 위치에 서게 한 다음 점유 센서가 점유자를 감지하는지 여부를 평가합니다. 사람들의 위치가 재실 센서의 성능에 영향을 미치는지 알고 싶기 때문입니다. 처음에는 위치 변수에 대해 8개 수준으로 임의의 위치 8개를 선택했습니다. 그러나 우리의 토론을 기반으로 @statman , 첫 번째 실험 설계에 8레벨을 사용하지 않는 것이 좋습니다. 그래서 위치에 대해 극단적인 경우를 선택하기로 결정했습니다. 하나는 센서가 거주자를 감지할 수 없는 최악의 경우이고, 다른 하나는 사람들이 센서가 탑승자를 완벽하게 감지할 수 있도록 센서 바로 앞에 서십시오. 그렇다면 가용성에 대한 제한이 아닐까요? 응답에 어떤 영향을 미치는지 확인하기 위해 변경하려는 변수일 뿐입니다.
응답의 경우 각 실행에서 1개의 인스턴스를 관찰하는 이진 값입니다. 우리의 경우 응답은 사람의 존재/비존재입니다. 있음은 센서가 탑승자를 감지함을 의미하고 비존재는 센서가 탑승자를 감지하지 않음을 의미합니다. 그렇다면 이 경우 응답의 목표는 무엇을 선택해야 할까요?
Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?@statman 여기에서 귀하의 아이디어를 바탕으로 블록 디자인은 블록별 상호 작용을 정량화하기 때문에 부분적 앨리어싱입니다. 그리고 우리는 첫 번째 실험에서 부분적 앨리어싱을 하고 싶지 않습니다. 맞습니까? 그리고 "Y를 입력하지 않았습니다"라고 하셨습니다. "응답"을 입력하지 않았다는 의미입니까?
우리의 반응 변수는 이진 존재/비존재이며, 이는 점유 센서가 공간에서 사람을 감지하는지 여부를 의미합니다. 실제로 응답을 해석할 수 있는 다른 방법은 시험장에 있는 사람의 수를 세는 것입니다. 그런 다음 나중에 결과를 기반으로 센서 있음/없음을 결정할 수 있습니다. 카운트 번호가 0이면 "없음"; 0이 아니면 "Presence"입니다. 그 외에는 응답을 해석하는 다른 방법을 생각할 수 없었습니다. 아니면 좋은 생각이 있으신가요? 이것이 사건을 개선하는 데 도움이 될까요? 아쉽게도 재실 센서를 사용하여 물체/사람의 크기를 감지할 수 없었습니다. 동작은 4가지 범주로 나뉩니다. 크게는 걷는 사람, 작은 사람은 팔을 뻗는 사람, 미세하게는 타이핑하는 사람, 없음은 자는 것입니다. 움직임의 양을 변화시킨다는 것은 무엇을 의미합니까? 그리고 위치는 거리뿐만 아니라 센서에서 사람까지의 각도 때문에 센서의 성능에 영향을 미칩니다. 위치를 대체할 무언가를 원한다면 거리와 각도 변수를 모두 포함해야 합니다. 그런 다음 두 수준에서 거리와 각도의 극단값을 정의합니다. 이것이 도움이 될까요?
Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?이 토론에 너무 늦게 참여해서 죄송합니다.
위치는 효과가 고정된 범주형 요인인 것 같습니다. 실제로 가용성에 대한 제한입니까? 즉, 위치당 제한된 수의 관찰만 할 수 있습니까? 마음대로 사용할 수 있는 위치는 몇 개입니까? 당신이 두 위치를 "최고"와 "최악"이라고 불렀다는 사실은 나에게 질적 또는 범주적 요인을 암시합니다.
기본적으로 모델은 기본 또는 추가 효과만 있습니다. 컬러 맵에는 고차 항도 표시되므로 이러한 효과(상관 관계)가 주 효과에 미치는 영향을 평가할 수 있습니다. 포함하지 않으면 효과로 인해 모델이 편향되고 포함되면 추정치의 표준 오차가 증가합니다.
응답은 무엇입니까? 이진수입니까 아니면 두 개의 이진수 결과의 수입니까? 예를 들어 각 실행에서 20개의 인스턴스를 관찰하고 각 결과(성공, 실패)의 수를 기록할 수 있습니다. 반면에 각 실행에서 1개의 인스턴스만 관찰할 수 있습니다. 이러한 응답의 경우 맞춤 설계에서 검정력 분석을 사용할 수 없습니다. 그러나 이러한 응답을 위해서는 확실히 더 많은 실행이 필요합니다. 맞춤 설계의 응답 시뮬레이션 명령은 JMP Pro의 시뮬레이션 기능과 함께 모든 설계의 경험적 검정력을 평가하는 데 사용할 수 있습니다.
응답 목표는 응답 제한 열 속성으로 저장됩니다. 예측 프로파일러에서 최적화를 위한 바람직함 함수를 정의합니다. 이런 경우에는 적절하지 않은 것 같은데, 프로파일러에 접속 후 변경 후 업데이트된 정의를 저장하시면 됩니다.
Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?예, 맞습니다... 응답이 이분법적이어서 죄송합니다. 더 나은 응답 변수를 만들 것을 제안합니다(이전 참고 사항 참조).Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?둘 다 동안 @P_Bartell 그리고 저는 여러분에게 몇 가지 조언을 하려고 합니다. 여러분은 "올바른" 디자인이 없다는 것을 깨달아야 합니다. 모든 디자인은 잠재적으로 필요한 리소스, 디자인 요소 효과 감지의 정밀도, 해상도, 추정할 수 있는 모델, 추정할 수 있는 요소 수 등에서 다양합니다. 내가 권장하는 것은 여러 실험을 설계하고 일련의 기준과 상황에 대해 평가하는 것입니다. 또한 가능한 모든 결과와 각 결과에서 수행할 작업을 예측하는 것이 좋습니다. 8개의 설계 요인과 최소 1개의 잡음 변수가 있습니다. 이 첫 번째 실험의 목적은 더 나은 실험을 설계하는 것입니다(설계 공간을 이동하고 가장 흥미로운 요소를 식별). 일반적으로 더 낮은 해상도는 주 효과를 식별하는 데 작동하지만 모델 효과의 순위를 2차까지 지정하여 해상도를 높여야 하는지 여부를 결정해야 합니다. 또한 JMP가 설계를 차단하도록 설정한 경우 소프트웨어는 기본적으로 차단을 무작위 효과로 취급합니다. 그러나 블록을 구성하는 노이즈가 무엇인지 알면 이를 고정 효과로 취급하고 블록별 상호 작용을 정량화할 수 있습니다. 나는 당신이 말할 수 있는 약간 구식입니다. 앨리어싱을 알고 싶고 부분 앨리어싱을 수행하는 것을 좋아하지 않습니다. 이는 후속 실험이 무엇인지 해석하고 결정하기가 더 어렵기 때문입니다. 그러나 나는 아마도 여기서 소수에 속할 것입니다. 많은 사람들이 효율성을 위해 최적의 디자인을 선호합니다. 또한 소프트웨어가 내 분석을 "제어"(경우에 따라 내 분석 옵션을 제한)하는 것을 원하지 않기 때문에 Y를 입력하지 않습니다.
응답 변수와 관련하여 응답을 정량화하는 다른 방법에 대해 생각해 보셨습니까? 이진 응답은 차이를 감지하기 위해 큰 샘플 크기가 필요합니다. "물체" 또는 "사람"의 크기를 변경하고 물체가 감지되는 크기를 기록할 수 있습니까? 또는 감지되는 데 걸리는 "움직임"의 양을 변경할 수 있습니까? 센서와의 거리가 중요한 경우 실내 위치를 차단하는 대신 물체가 감지되는 센서와의 거리를 확인할 수 있습니까? 어쨌든 응답 변수에 대해 더 많이 생각하는 것이 좋습니다.Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?@statman 제안해 주셔서 감사합니다.
나는 다음을 포함하여 이러한 플롯을 찾으려고 노력했습니다. Daniel 플롯(일반 플롯), 효과의 Pareto 플롯 및 가능하면 Bayes 플롯이지만 "Effect Screening" 아래에 있는 것으로 보이며 "Standard Least Squares"를 "Personality"로 사용하는 경우에만 사용할 수 있습니다. 연속적이다. "이항" 응답으로 "일반화 선형 모델"을 선택한 경우 그러한 선택이 없습니다. 제가 잘못 알고 있는 건가요, 아니면 다른 곳에서 찾아야 할까요?
Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?@statman 조언 감사합니다.
내가 방법 3을 사용하기로 선택한 경우: 당신이 언급한 RCBD 2 블록(최고 및 최악의 위치)에 걸쳐 처리를 복제하면 다음과 같습니다.
기본 런 수는 16이고 "상관 관계에 대한 색상 맵"은 다음과 같습니다.
위의 컬러 맵에서 모델이 주효과 모델이 아닌 것 같습니다.일반적으로, 색깔 지도 좋은 디자인을 위해 diag에서 많은 흰색을 보여줍니다. ~에 알, orthog를 나타냄 ~에 ality 또는 작은 상관관계 s는 별개의 용어 사이에 있습니다. 이것은 이것이 좋은 디자인이 아니라는 것을 의미합니까? 런 수를 늘리면 대각선에서 대부분의 흰색이 표시됩니다. 실험 설계를 할 때 런 수를 늘려야 하는지 여부는 무엇입니까?
그리고 여기서 질문 하나 더:
우리의 응답은 이진 값(0/1)이며, 0은 거주자가 없음을 나타내고, 1은 거주자가 있음을 나타냅니다. 응답의 경우 다음과 같이 "최대"를 목표로 사용했습니다.
이것이 적절합니까, 아니면 목표로 "없음"을 사용해야 합니까?
Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?스크리닝 설계에서 흥미로운 요소를 평가하기 위해 Daniel 플롯(일반 플롯), 효과의 Pareto 플롯 및 Bayes 플롯 대 p-값을 사용하는 것이 좋습니다. 귀하의 스크리닝 설계에서 MSE의 추정치가 좋지 않고 대표적이지 않고 편향되어 있다는 점에 대해 우려하고 있습니다. 내가 제안하는 플롯은 편향 가능성이 적습니다. 기본적으로 모든 효과를 서로 비교하여 할당 가능하고 실질적인 중요성을 결정합니다.Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?이 경우 방의 위치는 소음입니다. 누군가가 방에 있을 위치를 제어할 수 없지만 여전히 센서가 그들이 거기에 있음을 감지하기를 원합니다. 방의 위치는 실험 중에 제어할 수 있지만 실제 생활에서는 제어할 수 없습니다. 이러한 유형의 요소는 여러 가지 방법으로 처리할 수 있습니다.
1. 반복: 치료 조합을 일정하게 유지하고 다른 위치에서 반복 조치를 취하십시오. 위치는 임의적일 수 있지만 위치에 차이가 있는 이유(예: 센서에 대한 근접성, 센서로부터의 각도, 방의 구석)에 대한 특정 가설이 있는 경우 더 많은 정보를 얻을 수 있으므로 체계적으로 샘플링합니다.
2. 무작위 복제: 이것이 이 요소를 처리하는 방법이라고 생각합니다. 이는 추론 공간을 늘리고 이론적으로 편향되지 않은 MSE 추정치를 제공하지만 위치의 효과를 모르며 설계 요소 효과 감지 정밀도를 손상시킬 수 있습니다.
삼. RCBD: 이 경우 최상의 위치(센서 바로 앞에서 가까운 위치)를 1레벨로 선택하고 최악의 위치(멀고 극단적인 각도)를 2레벨로 선택합니다. 2개의 블록에 처리를 복제합니다. 이 경우 위치를 고정 효과로 취급할 수 있습니다. 이렇게 하면 추론 공간이 증가할 뿐만 아니라 블록(위치) 및 모든 블록별 상호 작용 효과(센서의 견고성 측정)를 향상된 정밀도로 추정할 수 있습니다.
4. 분할 플롯(교차 제품 배열): 전체 플롯에 처리를 배치하고 서브플롯에 노이즈를 배치하거나 WP에 노이즈를 배치하고 SP에 처리를 배치합니다. 이렇게 하면 설계의 효율성이 향상되고 요인 상호작용 효과에 의한 설계 요인 및 노이즈 감지의 정확도가 높아질 수 있습니다.Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?@P_Bartell 따라서 이 문제에 대한 쉬운 방법이나 단일 답변이 없는 것 같습니다. 스크리닝 설계 방법을 사용하여 실험을 설계하고 결과를 분석할 때 이 점을 염두에 두겠습니다. 시간을 내어 기다려 주셔서 감사합니다.
Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?제 예는 사실 스크리닝 디자인입니다. 하나의 요인만...그러나 원칙은 하나에서 여러 요인과 적절한 수준에 적용됩니다. 예 어느 정도는 p 값을 사용하게 될 것입니다. 하지만 p 값에 빠지지 마십시오. 절벽 함정입니다. 당신이 채택한다고 가정하고 어떤 효과 추정치에 대한 귀무 가설을 기각하는 데 필요한 특정 임계 p 값은 전적으로 당신에게 달려 있습니다. 그래서 어떤 값을 선택할 것입니까? 0.05? 0.01?0.10? 그리고 계속해서. 매개변수 추정치에 대한 중요한 p 값으로 0.05를 선택하고 한 효과의 p 값 = 0.049이고 다른 효과는 0.051이면 어떻게 됩니까? 벼랑 심리에 의해 당신은 0.049 추정치를 반영하는 요인이 '중요하다'고 말해야 할 것입니다...주님 저는 그 단어가 싫습니다...하지만 그것은 다른 시간에 대한 또 다른 폭언이고 다른 요인은 '중요하지 않습니다'입니다. p값이 임계값보다 높기 때문입니다.
실행 횟수는 효과를 감지할 수 있는 힘을 줍니다. 내 예는 그것을 증명합니다. 두 번의 실행... 귀무가설을 기각하기 힘들겠지만... 동전을 1,000번 던지면 귀무가설을 기각할 것이라고 장담합니다. 스크리닝 디자인은 실행 횟수에 비해 의도적으로 매우 희소합니다... 따라서 영향이 있을 수 있습니다... 배심원을 설득할 만큼 충분한 증거를 수집하지 않았을 뿐입니다.
Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?@statman 일반적으로 우리의 목표는 실내 거주자의 위치가 거주자를 감지하는 재실 센서의 성능에 영향을 미치는지 여부를 결정하는 것입니다. 따라서 먼저 바닥에 3x3피트 그리드를 표시하고 일부 난수 생성 도구를 사용하여 임의로 8개 위치를 선택하고 거주자는 테스트를 위해 이 8개의 다른 위치에 서게 됩니다. 이런 종류의 위치를 제어할 수 있는 것과 같습니까? 실제로 한 사람이 방 구석에 서 있을 때 센서가 거주자를 감지하지 못할 수 있다는 것을 알고 있기 때문에 해당 위치에 대한 최대 극한값을 선택할 수도 있다는 의미입니까? 예를 들어, 하나의 최대 극단은 센서가 거주자를 감지할 확률이 가장 높도록 방 중앙에 서있는 사람이고, 다른 하나는 센서가 감지할 가능성이 가장 작은 방 구석에 서있는 사람입니다. 거주자를 감지?
Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?@P_Bartell 정말 도움이 됩니다. 나는 이미 DOE 교육의 일부를 받았고 나머지도 받을 것입니다.
나는 당신이 예에서 말하려는 것을 이해한다고 생각하지만 스크리닝 디자인에 갈 때 우리가 정말로 관심을 갖는 것은 어떤 요인이 반응에 중요한 영향을 미칠 것인지입니다. 모델링 결과에 영향을 주겠죠? 예를 들어 선별 설계를 사용하여 실험을 설계하고 주효과 모델을 선택하고 실험을 수행한 후 실제 응답 데이터를 수집하고 모델을 선택하여 주효과 분석을 수행한다고 가정해 보겠습니다. 그런 다음 P-값에 따라 어떤 요인이 중요한지 알려주는 결과를 얻습니다. 결과가 올바른지 아닌지 어떻게 알 수 있습니까? 또는 특정 수의 실행 후 결과를 분석하여 요인 중 어느 것도 중요하지 않다는 것을 알았으므로 더 많은 실험 실행이 필요합니까? 내가 틀렸거나 내 질문이 좀 어리석은 것일 수도 있지만, 이것을 실험 설계 선별과 연관 짓는 것이 나에게는 어렵습니다...
Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?모션의 경우 극단을 선택합니다. 그것이 중요한 경우 "미세 조정"할 수 있습니다. 방의 위치에 대해... 실제로 제어할 수 있습니까 아니면 소음입니까? 소음이 있으면 차단을 고려하십시오.
Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?@yiyichu 어떤 모델링 기술을 언제 사용해야 하는지에 대한 불완전한 지침을 제공하는 것은 이와 같은 일반 토론 포럼의 범위를 벗어납니다. 실용적인 문제, 데이터 유형, 데이터 수집 방법, 노이즈 요인의 영향, 소프트웨어 기능, 프로젝트에 관련된 사람들의 능력, 그리고 아마도 내가 언급하지 못한 몇 가지 사항은 모두 문제를 해결하는 방법을 결정하는 데 도움이 되는 역할을 합니다. 그런 점에서 저는 여러분이 추구할 수 있는 최선의 길은 교육과 실습을 통해 문제 해결 능력을 구축하기 위해 보다 전체론적인 접근 방식을 고려하는 것이라고 생각합니다. 이를 달성하는 한 가지 좋은 방법은 SAS "산업 문제 해결을 위한 통계적 사고" 커리큘럼을 완료하는 것입니다. 과정의 대부분은 문제를 해결하기 위해 데이터 수집, 데이터 유형 및 분석 전략을 결합하는 데 전념합니다. 다음은 코스 정보에 대한 기본 웹 페이지 링크입니다. 산업문제 해결을 위한 통계적 사고
적은 수의 실행으로 내가 의미하는 바의 예를 들어 보겠습니다. 노이즈에서 신호를 괴롭히는 것이 어려울 수 있습니다. 그것은 약간의 정신적 훈련입니다...그래서 시작합니다. 동전 던지기가 공정하고 균형 잡힌 것인지 확인하고 싶다고 말하면서 시작하겠습니다. 즉, 동전을 던질 때 앞면이나 뒷면이 나올 확률은 0.5입니다. 이제 내가 50/50이 아닌 동전으로 '실험'을 하러 왔지만 귀무 가설은 그것이 50/50 동전이라는 것입니다. 하지만 실제로는 속임수를 쓰고 앞면이 나올 확률이 0.7이고 뒷면이 나올 확률이 0.3인 실험에 동전을 가져왔습니다. 동전을 한 번 던지면...앞면이 나옵니다. 동전이 50/50이라는 가설을 기각하시겠습니까? 아마도 한 번의 토스를 기준으로 하지 않을 것입니다. 두 번째 던지기는 어떻습니까? 이제 다시 머리를 얻습니다. 아직 거부하시겠습니까? 결국, 가설이 사실이라면 두 번 연속으로 앞면이 나올 확률은 0.25입니다. 나는 대부분의 사람들이 여전히 귀무가설을 기각하지 않을 것이라고 생각합니다. 그래서 세 번 뒤집습니다... 이번에는 꼬리를 얻습니다. 최종적으로 null을 거부하려면 얼마나 많은 플립과 결과가 필요합니까? 거기에 내 실제 경험에서 때때로 이진 결과로 발생하는 문제가 있습니다.
이게 도움이 되길 바란다?
Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?@statman 여기에서 4단계 요소는 주요 동작, 보조 동작, 미세 동작 및 없음 동작을 포함하는 "동작 수준"입니다. 여기서 8단계 요소는 우리의 경우 방에서 8개의 다른 위치를 무작위로 선택하는 것입니다.그러나 당신 말이 맞습니다. 사실 4수준 요인과 8수준 요인의 극단을 선택하여 모든 요인을 2수준으로 만드는 것도 고려하고 있습니다. 그런 다음 최종 스크리닝 설계 방법을 선택할 수도 있습니다. 어떤 방법이 더 나을지 확신할 수 없습니다. 이제 당신의 조언은 제가 이런 식으로 할 수 있다는 확신을 갖게 해줍니다. 고맙습니다.
Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?@P_Bartell 이전에만 주 효과가 있어야한다고 생각하지만 뭔가 엉망이 될 수 있습니다. 모델을 다시 확인하고 모델이 주 효과만 있는지 확인하면 이제 오류가 사라진 것 같습니다.
저는 DOE와 JMP를 처음 접하는 사람이므로 다음을 선택했습니다. JMP 설명서에 제공된 예를 따르기 때문에 Elastic Net 맞춤 특성입니다. 그러면 기본 로지스틱 회귀 추정 방법을 시작점으로 사용하려고 합니다. 조언 감사합니다. 추정 방법을 선택할 때 어떤 추정 방법을 선택해야 하는지, 기본 로지스틱 회귀 추정 방법을 선택할 때, Lasso, Elastic Net, Ridge 등과 같은 다른 방법을 선택해야 하는 경우를 어떻게 결정합니까?
그리고 첫 번째 답장에서 범주형 응답을 위해 소음에서 신호를 애타게 하기 위해 때때로 많은 실행이 필요하다고 말했습니다... 그것에 대해 조금 더 설명해 주시겠습니까? 더 많은 실행이 필요한지 확인하기 위해 무엇을 할 수 있습니까?
시간 내 주셔서 다시 한 번 감사드립니다.
Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?저도 궁금합니다만 왜 4수준과 8수준 범주형 요인을 전혀 보고 계시는지 궁금합니다. 이것은 더 비슷하게 들립니다. 승자를 선택 스크리닝 디자인보다 테스트? 내 생각: 스크리닝은 가능한 모든 조합을 테스트하기 위한 것이 아닙니다. 4단계 또는 8단계의 극단을 선택할 수 있습니까? 아이디어는 모든 요인을 (편향없이 동등하게) 비교하고 그 중 어떤 것이 더 조사할 가치가 있는지 결정하는 것입니다. 일부 요인에 대해 2개 이상의 수준에서 테스트하면 해당 요인에 대한 더 많은 정보를 얻을 수 있으므로 연구가 편향되었습니다.
하지만 물론 나는 당신의 구체적인 상황을 모르기 때문에 당신은 나를 무시하고 싶을 수도 있습니다.
Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?@yiyichu Custom Design 플랫폼을 사용해 주셔서 감사합니다. 설계 구성을 위해 설명했던 특정 모델을 공유할 수 있습니까? 주요 효과만 있었나요? 아니면 뭔가 다른가요?
내 첫 번째 답장에서 주효과만 모델을 지정할 것을 제안했습니다. 보고 있는 오류 메시지를 기반으로 합니다. @Mark_Bailey 의 정답입니다. 주효과 이상의 모델을 적합시키려는 것 같습니까? 당신의 설계는 최소한 두 가지(또는 하늘이 금지하는) 더 높은 차수 요인 상호 작용에 대해 최소한 일정 수준의 추정을 지원합니까? 2개 이상의 수준에서 범주형 요인을 사용하여 해당 요인을 포함하는 상호작용 효과를 추정하기 위해 설계가 급히 커질 수 있습니다. 특히 8개 수준의 하나의 요인이 있습니다.
그리고 Elastic Net 피팅 특성을 선택한 이유가 조금 궁금합니다. 스크리닝 모델링 모드에서 간단한 명목 로지스틱 회귀 모델로 시작했을 수 있습니다. Elastic Net은 잘못된 선택이 아닙니다...하지만 그것은 매우 자연스러운 일이고 효과 수준 정보 콘텐츠를 놓칠 수 있기 때문에 매개변수 추정치 중 일부를 0으로 만드는 경향이 있을 수 있습니다. 무엇보다 궁금하시죠?
Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?이는 모델 계층 구조가 중요하다는 사실을 나타냅니다. JMP는 계층 구조를 유지할 것을 강력히 권장하지만 필수 사항은 아닙니다.
모델 계층 구조는 모델에 X1*X2가 있는 경우 단독으로는 중요하지 않더라도 X1과 X2도 모델에 있어야 함을 의미합니다.
Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?매우 감사합니다. 그리고 또 다른 후속 질문이 있습니다.
맞춤형 디자인 플랫폼을 사용했습니다. 이진 응답이 있으므로 모델을 적합할 때 성격: 일반화 회귀, 분포: 이항, 추정 방법: Elastic Net -- 적응형, 검증 방법: AICc를 선택했습니다. 그런데 "이동" 버튼을 누르면 "유전 유지 실패로 인해 피팅이 조기 종료되었습니다. 유전을 강요하지 않고 다시 달리기를 고려하십시오." 이것은 내가 해결해야 하는 심각한 문제입니까, 어떻게 문제를 해결할 수 있습니까, 아니면 다른 방법을 선택해야 합니까?Re: 1개의 연속 요인, 7개의 기타 범주형 요인 및 1개의 범주형 응답에 대해 선별 설계를 사용할 수 있습니까?요인 수준이 2가 아닌 상황에 처하게 되면 고전적인 선별 설계, 즉 2수준 부분 요인 설계를 적용할 수 없거나 실행할 수도 없습니다. 일부 요인의 수준이 2가 아닌 경우에는 최적의 DOE 시나리오를 사용해야 합니다. JMP에서는 맞춤 설계 플랫폼으로 바로 연결됩니다. 스크리닝 디자인을 실행하려는 것 같으니 맞춤 디자인 플랫폼을 사용하여 주효과 전용 모델에서 지원하는 디자인을 구축하겠습니다. 실행 횟수를 최소화하는 방향으로. 오류에 대한 어느 정도의 자유도를 허용하기 위해 JMP에서 지정한 최소값 이상으로 몇 번의 실행을 추가할 수 있습니다.
범주형 응답으로 능동적 효과를 찾으려고 노력하는 행운을 빕니다... 제 과거 경험에 따르면 때때로 소음에서 신호를 애타게 하기 위해 많은 실행이 필요합니다... 하지만 시도하지 않으면 절대 알 수 없습니다.
