이항 결과를 사용한 요인 설계 해석안녕하세요!
저는 4가지 요소로 구성된 요인 설계를 해석하는 데 어려움을 겪고 있습니다. 2가지 요소로 실험을 시도하기 전에는 결과가 간단했습니다.
여기 첨부 파일에서 실험이 포함된 jmp 데이터 세트 파일을 볼 수 있습니다.
중요하지 않은 요소를 제거한 결과 C와 В만이 부정적인 영향을 미치며 중요하다는 결론에 도달했습니다.
내 결론이 맞나요?
Rsquare 값은 매우 낮지만 요소의 카이제곱 값은 중요합니다.
어쩌면 실험의 힘이 부족하고 더 큰 샘플 크기가 필요할 수도 있습니다.
추신.
초보자 질문이라 죄송합니다. 아직 배우는 중입니다. 
일반적으로 요인 설계 수준을 전체에서 2도로 줄이거나 모델에서 일부 변수를 제거하면 다양한 DoE 실험을 해석하려고 할 때 동일한 변수의 효과가 때때로 반대 방향으로 크게 변경됩니다.
이 경우 모델을 선택하려면 오역률을 살펴봐야 합니까?
그런 다음 승리 변수를 사용하여 후속 실험을 실행해야 합니까, 아니면 그냥 전달할 수 있습니까? 여기서 접근 방식은 무엇입니까?
바이너리 DoE의 결과를 해석하는 방법에 대한 구조화된 접근 방식이 포함된 기사나 책을 알려 주시겠습니까?
감사해요
실험 설계결과 공유 및 전달Re: 이항 결과를 사용한 요인 설계 해석귀하의 경우 D를 1로 유지하면서 C를 0에서 1로 변경하는 것은 상호 작용의 예가 아닙니다. C를 변경하는 조건부 효과일 뿐입니다.
Re: 이항 결과를 사용한 요인 설계 해석문제의 프로세스에 대한 지식은 p 값과 기타 통계적 척도 이상으로 무엇을 알려줍니까? 프로세스 지식이 통계보다 우선합니다. 시스템에 대한 물리적 이해를 통해 상호 작용이 타당하다면... 귀찮은 변수나 소음 변수가 튀어나와 실험을 방해하지 않는 한... 지식을 활용하세요.
분석과 함께 실제 실험 및 응답 데이터를 공유할 수 있습니까? 우리는 다른 생각을 제시할 수도 있습니다.
아 신경쓰지 마세요... 방금 귀하께서 실제로 실험과 분석을 우리와 공유하신 것을 봤습니다.
Re: 이항 결과를 사용한 요인 설계 해석감사합니다! 나는 그것을 시험해 볼 것이다.
나는 중요한 상호 작용 효과가 있다면 주 효과 중 하나가 중요하지 않더라도 이를 모델에 포함해야 한다는 것을 알고 있습니다. 사실입니다. 그러나 С가 0 레벨이고 D가 1일 때 성공률이 50% 감소하고 В는 중요하지 않다는 사실을 어떻게 해석할 수 있습니까?
그러나 С와 D가 모두 레벨 1이면 성공 레벨이 20% 증가합니다.
Re: 이항 결과를 사용한 요인 설계 해석나는 중요한 효과를 결정하고 이러한 효과의 성격을 해석하는 데 로지스틱 회귀 또는 이항 GLM을 사용할 수 있다고 생각합니다.
전력 분석 플랫폼은 다음과 같습니다. 실험계획법 > 설계 진단 > 검정력 및 표본 크기 다중 요인 실험에 가장 적합한 도구는 아닙니다.이러한 전력 분석 도구는 다른 효과를 추정하고 테스트하는 데 필요한 샘플의 양을 고려하지 않기 때문에 결과가 지나치게 낙관적이므로 요인이 두 개 이상인 경우 적합하지 않습니다.
나는 일반적으로 다음을 사용하는 것이 좋습니다. 설계 평가 > 전력 분석 각 디자인 플랫폼 내에서 도구를 사용할 수 있습니다. 이 기능에 대해 자세히 알아볼 수 있습니다. 여기 . 하지만 이 도구는 지속적인 응답을 가정합니다. 그리고 이항 반응에 대한 별도의 검정력 분석 도구는 둘 이상의 요인에 적응하지 않습니다. 결과가 최선의 경우라고 가정하고 어떻게든 여유를 두어야 합니다.
Re: 이항 결과를 사용한 요인 설계 해석당신의 답변에 감사드립니다!
죄송합니다. 실수로 성공 열 이름을 잘못 지정했습니다. 이름은 count로 지정해야 합니다. 귀하의 질문을 올바르게 이해했다면.
그렇다면 명목형 로지스틱 회귀를 사용하여 유의미한 변수를 정의하고 이항 GLM을 사용하여 효과 크기를 해석하는 것이 더 낫습니까?
검정력 분석과 관련하여 이 경우 수준이 2개뿐이면 마치 OFAT(A/B 실험)인 것처럼 표본 크기를 계산할 수 있으며, 20%의 효과를 감지하려면 총 80,000번의 시도가 필요합니다. 현재 제어 성공률로. 이는 데이터 세트(20K)에 있는 것보다 많습니다. 따라서 더 큰 샘플 크기가 필요할 수도 있습니다.
이러한 결과를 바탕으로 어떤 결론을 내리시겠습니까?
Re: 이항 결과를 사용한 요인 설계 해석아마도 Mark의 프로빗 분석이 옳을 수도 있습니다. 잘 모르겠습니다. 또한 Mark는 해결해야 할 몇 가지 데이터 문제를 발견했습니다.
제가 느낀 점은 성공 확률이 매우 낮다는 것입니다. 모든 실험 조건에 대한 가장 높은 성공 확률은 0.006입니다. 귀하의 요인을 고려할 필요조차 없기 때문에 문제가 발생합니다. 항상 실패를 예측한다면 최소 99.4%의 확률로 정확할 것입니다. 아주 좋은 모델이네요. 그다지 유익하지는 않지만 좋습니다. 이로 인해 모든 모델링 접근 방식에 문제가 발생합니다.
데이터 문제를 수정하고 분석 접근 방식과 분석에서 찾고 있는 정보가 무엇인지 다시 생각해야 한다고 생각합니다. 행운을 빌어 요.
Re: 이항 결과를 사용한 요인 설계 해석세 번째는 매력인가?
프로빗 분석은 효과가 있었지만 결과는 사실상 동일했습니다.
또한 귀하의 데이터에는 아무런 문제가 없습니다.
R 제곱이 낮은 이유 중 하나는 결과(성공 비율)가 드물고 조건이 변함에 따라 개수가 크게 다르지 않기 때문입니다.
Re: 이항 결과를 사용한 요인 설계 해석우선, 이항 응답은 중요한 관계가 있는 경우에도 종종 매우 낮은 R 제곱으로 이어집니다. 이는 단지 주어진 조건에서 예측된 결과에 큰 불확실성이 있다는 것을 의미합니다. 적합도가 부족해서일 수도 있지만, 역시 이런 반응은 매우 흔한 일입니다.
