履歴データを使用して、1つの連続応答で複数の名義変数からの重要な効果をスクリーニングしますこんにちは、
私はJMPを初めて使用し、統計分析について学んでいます。 私が達成しようとしていることについてのいくつかの指針が欲しいです。
バクテリアを使ってタンパク質を発現させることに取り組んでいるとしましょう。
私は1つの応答があります：収量（mg / mL）
私は細菌の発現を調節する複数の（名目上の）要素を持っています：
-発現プロモーターの種類：PromA、PromB、PromC、PromDなど（20以上の選択肢があります）
-ターミネータのタイプ：Term1、Term2、Term3、Term4、Term5
-バクテリアの種類：BactX、BactY、BactZ。
私はプロモーター、ターミネーター、バクテリアの可能な組み合わせの多くを使用してタンパク質を発現させ、各試験の収量を測定しました。 ほとんどの組み合わせは数回テストされました（組み合わせごとに3〜50回の繰り返し）
私はすでにたくさんのデータを持っているので、重要な効果と変数間の関係をスクリーニングして、収量を最大化する方法を説明したいと思います。 実験の作成にDOE機能を使用しませんでした。これは履歴データです。
どのように進めるべきかについてのヒントはありますか？ 私はビデオを見たり、あなたの提案について読んだりしてうれしいです。
ありがとうございました ！
分析DOERe：履歴データを使用して、1つの連続応答で複数の名義変数からの重要な効果をスクリーニングしますコミュニティへようこそ@マリー-イブ！ ほんの少しの考え：
1.測定システムにどの程度自信がありますか？
2.同様の組み合わせの複数の結果が繰り返されますか、それとも複製されますか（それらは独立したデータポイントであるかどうか）？
3.最初にこれらのデータポイントを調べてから、それらを要約して因子の組み合わせ効果を調べることができます。
4.通常、履歴データセットでは、回帰（標準の最小二乗法またはロジスティック）から始めます。
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
モデルを考えていますか？ どのような要因/組み合わせが理にかなっているのか考えましたか？ モデル効果をランク付けしましたか？ 私は一次モデルから始めて、次に交互作用効果で補強します。
5.「データを拷問」した後、結果を再現するための計画実験を計画します。
Re：履歴データを使用して、1つの連続応答で複数の名義変数からの重要な効果をスクリーニングしますこんにちは、
ビデオここにあなたと非常によく似た状況を説明します。JMP Pro 16のモデルスクリーニングプラットフォームを使用しますが、JMP Proをまだお持ちでない場合でも、分析を開始するのに役立つ場合があります。
Re：履歴データを使用して、1つの連続応答で複数の名義変数からの重要な効果をスクリーニングしますこんにちはスタットマン、
1.私たちは生きているシステムを扱っているので、制御されていない変数がたくさんあります。 実際の測定値は非常に正確ですが、式はバッチごとに異なる場合があります。
2.これらは、毎週別々に実施された繰り返しからの独立したデータポイントです。
3.データを要約し、現在、各組み合わせの平均収量に取り組んでいます。 各データポイントを扱う前に、これをさらに詳しく調べます。
4.統計分析の経験がほとんどなく、さまざまなモデルを本当に理解していないので、学ぶことがたくさんあります。まず、あなたが共有したリンクから始めます。 私が見たものから、そこから始めることがどのように意味があるかがわかります！
5.良いヒントです。DOEを使用して結果を複製/確認したいと思います。
ありがとう！
Re：履歴データを使用して、1つの連続応答で複数の名義変数からの重要な効果をスクリーニングしますこんにちは@HadleyMyers 、
これはまさに私が達成しようとしていることです。 JMP Proを使用できないのは少し残念ですが、データの処理方法を確認するのに役立ちます。 ありがとう！
