Screening auf wichtige Auswirkungen mehrerer nominaler Variablen mit einer kontinuierlichen Antwort unter Verwendung historischer DatenHallo,
Ich bin neu bei JMP und lerne etwas über statistische Analyse. Ich hätte gerne ein paar Hinweise darauf, was ich erreichen möchte.
Nehmen wir an, ich arbeite daran, ein Protein mithilfe eines Bakteriums zu exprimieren.
Ich habe eine Antwort: Ausbeute (mg/ml)
Ich habe mehrere (nominale) Elemente, die die Expression in den Bakterien regulieren:
- Art der Ausdrucksförderer: PromA, PromB, PromC, PromD, ... usw. (Ich habe mehr als 20 Möglichkeiten)
- Typ des Abschlusswiderstands: Term1, Term2, Term3, Term4, Term5
- Bakterienart: BactX, BactY, BactZ.
Ich habe das Protein mit vielen der möglichen Kombinationen von Promotoren, Terminatoren und Bakterien exprimiert und die Ausbeute für jeden Versuch gemessen. Die meisten Kombinationen wurden mehrmals getestet (3 bis 50 Wiederholungen pro Kombination).
Ich verfüge bereits über viele Daten und möchte nach wichtigen Auswirkungen und Beziehungen zwischen den Variablen suchen, um zu erklären, wie sich die Erträge maximieren lassen. Ich habe die DOE-Funktion nicht zum Erstellen des Experiments verwendet, es handelt sich um historische Daten.
Irgendwelche Hinweise, wie ich vorgehen soll? Gerne schaue ich mir Videos an oder lese Ihre Vorschläge.
Danke !
Verbraucher- und MarktforschungVersuchsplanungBetreff: Suche nach wichtigen Auswirkungen mehrerer nominaler Variablen mit einer kontinuierlichen Antwort unter Verwendung historischer DatenNoch ein Ratschlag: Stellen Sie vor einer statistischen Untersuchung der Daten sicher, dass die Daten einen praktischen Signifikanzschwellenwert erreichen. Ist die Abweichung in der Messung ausreichend, um eine weitere Analyse zu rechtfertigen? Wenn dies der Fall ist, schauen Sie sich zunächst die Daten an. Verwenden Sie den Graph Builder, um nach Mustern in den Daten und möglichen Assoziationen mit den unabhängigen Variablen zu suchen. Überprüfen Sie auch die Wiederholungen auf Konsistenz, bevor Sie sie zusammenfassen (versuchen Sie es mit einfachen Bereichsdiagrammen).Betreff: Suche nach wichtigen Auswirkungen mehrerer nominaler Variablen mit einer kontinuierlichen Antwort unter Verwendung historischer DatenHallo @HadleyMyers ,
Das ist GENAU das, was ich erreichen möchte. Ich bin ein wenig verblüfft, dass ich JMP Pro nicht verwenden kann, aber es hilft auf jeden Fall, zu sehen, wie sie die Daten verarbeiten. Danke !
Betreff: Suche nach wichtigen Auswirkungen mehrerer nominaler Variablen mit einer kontinuierlichen Antwort unter Verwendung historischer DatenHallo statman,
1. Da wir mit lebenden Systemen arbeiten, gibt es viele unkontrollierte Variablen. Die tatsächliche Messung ist sehr genau, der Ausdruck kann jedoch von Charge zu Charge variieren.
2. Es handelt sich um unabhängige Datenpunkte aus Wiederholungen, die Woche für Woche separat durchgeführt wurden
3. Ich habe die Daten zusammengefasst und arbeite derzeit am Ertragsdurchschnitt für jede Kombination. Ich werde dies näher untersuchen, bevor ich mich mit den einzelnen Datenpunkten befasse.
4. Ich habe sehr wenig Erfahrung mit statistischen Analysen und verstehe die verschiedenen Modelle nicht wirklich, daher muss ich noch viel lernen. Ich beginne mit den Links, die Sie geteilt haben. Aus dem, was ich gesehen habe, kann ich erkennen, wie sinnvoll es wäre, dort anzufangen!
5. Guter Tipp, ich werde auf jeden Fall DOE verwenden wollen, um die Ergebnisse zu reproduzieren/bestätigen.
Danke !
Betreff: Suche nach wichtigen Auswirkungen mehrerer nominaler Variablen mit einer kontinuierlichen Antwort unter Verwendung historischer DatenHallo,
Das Video Hier beschreibt eine Situation, die Ihrer sehr ähnlich ist.Es nutzt die Model Screening-Plattform in JMP Pro 16, aber auch wenn Sie noch nicht über JMP Pro verfügen, kann Ihnen dies den Einstieg in Ihre Analyse erleichtern.
Betreff: Suche nach wichtigen Auswirkungen mehrerer nominaler Variablen mit einer kontinuierlichen Antwort unter Verwendung historischer DatenWillkommen in der Community @Marie-Eve ! Nur ein paar Gedanken:
1. Wie sicher sind Sie mit dem Messsystem?
2. Sind die Mehrfachergebnisse für ähnliche Kombinationen Wiederholungen oder Wiederholungen (sind sie unabhängige Datenpunkte oder nicht)?
3. Ich könnte mir zuerst diese Datenpunkte ansehen und sie dann möglicherweise zusammenfassen, um die Faktorkombinationseffekte zu untersuchen.
4. Normalerweise beginne ich bei historischen Datensätzen mit der Regression (Standardmethode der kleinsten Quadrate oder Logistik):
https://www.jmp.com/support/help/en/16.0/?os=mac&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/generalized-regression-models.shtml#
https://www.jmp.com/support/help/en/16.0/?os=mac&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/overview-of-the-nominal-and-ordinal-logistic-personalities.shtml
Haben Sie ein Modell im Sinn? Haben Sie darüber nachgedacht, welche Faktoren/Kombinationen sinnvoll sind? Haben Sie die Modelleffekte nach einer Rangfolge geordnet? Ich würde mit Modellen erster Ordnung beginnen und diese dann mit Interaktionseffekten ergänzen.
5. Nachdem Sie die Daten „gefoltert“ haben, würde ich gezielte Experimente planen, um die Ergebnisse zu reproduzieren.
