Interpretazione di un disegno fattoriale con esito binarioCiao!
Sto lottando con l'interpretazione del disegno fattoriale con 4 elementi. Prima di provare esperimenti con 2 elementi, i risultati erano semplici.
Qui in allegato puoi vedere il mio file di dataset jmp con l'esperimento.
Come risultato della rimozione di elementi non significativi, sono giunto alla conclusione che solo C e В sono significativi con effetto negativo.
La mia conclusione è corretta?
Il valore di rsquare è molto basso, tuttavia il valore di chisquare per gli elementi è significativo.
Forse l'esperimento è sottodimensionato e necessita di un campione di dimensioni maggiori?
PS.
Scusa per le domande dei principianti, sto ancora imparando.:)
In generale, cercando di interpretare diversi esperimenti DoE quando riduco il grado di progettazione fattoriale da pieno a un grado di 2 o rimuovo alcune variabili da un modello, l'effetto della stessa variabile cambia in modo significativo a volte in una direzione opposta.
Devo guardare al tasso di interpretazione errata per scegliere un modello in questo caso?
Sei obbligato quindi a eseguire un esperimento di follow-up con la variabile vincente, oppure puoi semplicemente spedirlo? Qual è l'approccio qui?
Puoi indicarmi un articolo o un libro con un approccio strutturato su come interpretare i risultati di DoE binario?
Grazie
AnalyticsDOEOggetto: Interpretazione di un progetto fattoriale con esito binarioPrima di tutto, le risposte binarie spesso portano a un quadrato R molto basso anche quando ci sono relazioni significative. Significa solo che c'è una grande incertezza nel risultato previsto per determinate condizioni. Potrebbe essere dovuto alla mancanza di adattamento, ma ancora una volta, è molto comune con una tale risposta.
Oggetto: Interpretazione di un progetto fattoriale con esito binarioLa terza volta è un fascino?
L'analisi probit ha funzionato ma i risultati sono praticamente gli stessi.
Inoltre, non c'è niente di sbagliato nei tuoi dati - colpa mia.
Parte del motivo per il quadrato R basso è che si ha un risultato raro (proporzioni di successo) e i conteggi non sono molto diversi al variare delle condizioni.
Oggetto: Interpretazione di un progetto fattoriale con esito binarioForse Mark ha ragione sull'analisi Probit. Non sono sicuro. Vedo anche che Mark ha notato alcuni problemi di dati che devono essere risolti.
Quello che ho notato è che la probabilità di successo è ESTREMAMENTE bassa. La più alta probabilità di successo per qualsiasi condizione sperimentale è 0,006. Ciò causa un problema perché non ho nemmeno bisogno di considerare i tuoi fattori. Se prevedo sempre un errore, avrò ragione ALMENO il 99,4% delle volte. È un ottimo modello. Non è molto istruttivo, ma è buono. Ciò causerà problemi per qualsiasi approccio di modellazione.
Penso che dovresti correggere i problemi relativi ai dati e ripensare l'approccio all'analisi e le informazioni che stai cercando dall'analisi. Buona fortuna.
Oggetto: Interpretazione di un progetto fattoriale con esito binarioGrazie per la risposta!
Scusa se ho erroneamente chiamato la colonna dei successi, dovrebbe avere un nome di conteggio. Se ho capito bene la tua domanda.
Quindi è meglio usare la regressione logistica nominale per definire variabili significative e GLM binomiale per interpretare la loro dimensione dell'effetto?
Per quanto riguarda l'analisi della potenza, in questo caso se abbiamo solo 2 livelli, possiamo calcolare la dimensione del campione come se fosse un OFAT (esperimento A / 
, che porterebbe a 80.000 prove in totale se vogliamo rilevare un effetto del 20% con l'attuale tasso di controllo del successo. Questo è più di quello che ho nel set di dati (20K). Quindi forse è necessaria una dimensione del campione più grande.
Quali conclusioni trarreste sulla base di questi risultati?
Oggetto: Interpretazione di un progetto fattoriale con esito binarioPenso che la regressione logistica o il GLM binomiale possano essere utilizzati per decidere sugli effetti significativi e interpretare la natura di questi effetti.
Le piattaforme di analisi della potenza sotto DOE> Diagnostica del progetto> Potenza e dimensioni del campione non sono gli strumenti migliori per esperimenti con più fattori.Questi strumenti di analisi della potenza non sono appropriati quando c'è più di un fattore perché i risultati sono troppo ottimistici poiché non tengono conto della quantità di campione richiesta per stimare e testare gli altri effetti.
In genere consiglio di utilizzare il Valutazione del progetto> Analisi della potenza strumento disponibile all'interno di ogni piattaforma di progettazione. Puoi leggere di più su questa funzione Qui . Ma nota che questo strumento presuppone una risposta continua. E gli strumenti di analisi della potenza separati per una risposta binaria non si adattano a più di un fattore. Dovresti presumere che il risultato sia il migliore e costruire in qualche modo un margine.
