Interprétation d'un plan factoriel avec résultat binaireBonjour!
J'ai du mal avec l'interprétation du plan factoriel à 4 éléments. Avant, j'essayais des expériences avec 2 éléments et les résultats étaient simples.
Ici, dans la pièce jointe, vous pouvez voir mon fichier de jeu de données jmp avec l'expérience.
En supprimant les éléments non significatifs, je suis arrivé à la conclusion que seuls C et В sont significatifs avec un effet négatif.
Ma conclusion est-elle correcte ?
La valeur Rcarré est très faible, mais la valeur chicarré des éléments est significative.
Peut-être que l’expérience manque de puissance et nécessite un échantillon plus grand ?
PS.
Désolé pour les questions des débutants, j'apprends encore. 
En général, en essayant d'interpréter différentes expériences du DoE lorsque je réduis le degré de plan factoriel de complet à un degré de 2 ou que je supprime certaines variables d'un modèle, l'effet de la même variable change de manière significative, parfois dans une direction opposée.
Dois-je examiner le taux d’erreur d’interprétation pour choisir un modèle dans ce cas ?
Êtes-vous alors obligé de mener une expérience de suivi avec la variable gagnante, ou pouvez-vous simplement l'envoyer ? Quelle est l’approche ici ?
Pouvez-vous s'il vous plaît m'indiquer un article ou un livre avec une approche structurée sur la façon d'interpréter les résultats du DoE binaire ?
Merci
Conception d'expériencesPartager et communiquer les résultatsRe : Interprétation d'un plan factoriel avec résultat binaireVotre cas, changer C de 0 à 1 tout en maintenant D à 1 n'est pas un exemple d'interaction. C'est juste l'effet conditionnel du changement de C.
Re : Interprétation d'un plan factoriel avec résultat binaireQue vous dit votre connaissance du processus en question, au-delà des valeurs p et d'autres mesures statistiques ? La connaissance des processus a priorité sur les statistiques... si les interactions ont un sens à partir d'une compréhension physique du système... alors à moins qu'une variable de nuisance ou de bruit ne surgisse et morde l'expérience... suivez vos connaissances.
Peut-être pourriez-vous partager les données réelles de l'expérience et des réponses avec votre analyse ? Nous pourrons peut-être proposer d’autres réflexions.
Oh, tant pis... Je viens de voir que vous avez partagé l'expérience et l'analyse avec nous.
Re : Interprétation d'un plan factoriel avec résultat binaireMerci! Je vais l'essayer.
Je sais que s'il y a un effet d'interaction significatif, nous devrions l'inclure dans un modèle même si l'un des effets principaux n'est peut-être pas significatif. Comme c'est le cas. Mais comment interpréter le fait que lorsque С est au niveau 0 et D au niveau 1 - nous avons une diminution du taux de réussite de 50% alors que В n'est pas significatif.
Cependant, lorsque С et D sont tous deux au niveau 1, ils augmentent le niveau de réussite de 20 %.
Re : Interprétation d'un plan factoriel avec résultat binaireJe pense que la régression logistique ou le GLM binomial peuvent être utilisés pour décider des effets significatifs et interpréter la nature de ces effets.
Les plateformes d'analyse de puissance sous DOE > Diagnostics de conception > Puissance et taille d'échantillon ne sont pas les meilleurs outils pour les expériences multifactorielles.Ces outils d'analyse de puissance ne sont pas appropriés lorsqu'il y a plus d'un facteur car les résultats sont trop optimistes puisqu'ils ne tiennent pas compte de la quantité d'échantillon requise pour estimer et tester les autres effets.
Je recommande généralement d'utiliser le Évaluation de la conception > Analyse de puissance outil disponible au sein de chaque plateforme de conception. Vous pouvez en savoir plus sur cette fonctionnalité ici . Mais notez que cet outil suppose une réponse continue. Et les outils d’analyse de puissance distincts pour une réponse binaire ne s’adaptent pas à plus d’un facteur. Vous devrez supposer que le résultat est le meilleur des cas et créer une marge d'une manière ou d'une autre.
Re : Interprétation d'un plan factoriel avec résultat binaireMerci pour votre réponse!
Désolé, j'ai nommé par erreur la colonne des succès, elle devrait avoir un nom de décompte. Si j'ai bien compris votre question.
Alors, est-il préférable d'utiliser la régression logistique nominale pour définir des variables significatives et le GLM binomial pour interpréter la taille de leur effet ?
Concernant l'analyse de puissance, dans ce cas si nous n'avons que 2 niveaux alors nous pouvons calculer la taille de l'échantillon comme s'il s'agissait d'une OFAT (expérience A/B), ce qui donnerait 80 000 essais au total si l'on veut détecter un effet de 20 % avec le taux de réussite actuel du contrôle. C'est plus que ce que j'ai dans l'ensemble de données (20 Ko). Il faudra donc peut-être un échantillon plus grand.
Quelles conclusions tireriez-vous de ces résultats ?
Re : Interprétation d'un plan factoriel avec résultat binairePeut-être que Mark a raison sur l'analyse Probit. Je ne suis pas sûr. Je constate également que Mark a constaté certains problèmes de données qui doivent être résolus.
Ce que j'ai remarqué, c'est que la probabilité de succès est EXTRÊMEMENT faible. La probabilité de réussite la plus élevée pour toute condition expérimentale est de 0,006. Cela pose un problème car je n'ai même pas besoin de prendre en compte vos facteurs. Si je prédis toujours un échec, j’aurai raison au MOINS 99,4 % du temps. C'est un très bon modèle. Ce n'est pas très instructif, mais c'est bien. Cela posera des problèmes pour toute approche de modélisation.
Je pense que vous devriez corriger les problèmes de données et repenser l'approche d'analyse et les informations que vous recherchez dans l'analyse. Bonne chance.
Re : Interprétation d'un plan factoriel avec résultat binaireLa troisième fois est-elle un charme ?
L’analyse probit a fonctionné mais les résultats sont pratiquement les mêmes.
De plus, il n'y a rien de mal avec vos données - c'est ma faute.
Une partie de la raison pour laquelle le R carré est faible est que vous obtenez un résultat rare (proportions de réussite) et que les décomptes ne sont pas très différents à mesure que les conditions changent.
Re : Interprétation d'un plan factoriel avec résultat binaireTout d’abord, les réponses binaires conduisent souvent à un R carré très faible, même lorsqu’il existe des relations significatives. Cela signifie simplement qu’il existe une grande incertitude quant aux résultats prévus dans des conditions données. Cela peut être dû à un manque d’ajustement, mais encore une fois, c’est très courant avec une telle réponse.
