データ分析時のブロッキングファクターこんにちは、
私の質問は、データを分析するときに要因をブロックする方法です。
ありがとう！
私
データ表DOERe：データ分析時のブロッキングファクターあなたの発言は意味がありません。 実験は完了しましたか？ ブロックされた実行で実験を設計しましたか？
私はおそらくあなたの状況を単純化しすぎているでしょうが、あなたは複雑なテクニック（ブロッキング）に直面して私たちにほとんど情報を与えませんでした。 データテーブルに新しいデータ列を追加し、その値を入力して、特定のブロックのメンバーシップを示すことができます。 たとえば、データテーブルに16回の実行が含まれ、ブロックが連続して4回実行される場合、新しい列には1、1、1、1、2、2、2、2、3、3、3、3、4が含まれる可能性があります。 4、4、および4。 [分析]> [モデルの適合]を選択します。 Yロールに応答を割り当てます。 因子列を選択し、因子効果に適切な用語を作成します。 必ずブロックのある列をエフェクトリストに追加してください。 ブロック効果は、デフォルトでは、他の要因と同様に固定効果として扱われます。 ブロックをランダム効果として扱いたい場合は、[効果]リストでブロックを選択し、[属性]の横にある赤い三角形をクリックして、[ランダム効果]を選択します。
Re：データ分析時のブロッキングファクターこんにちは、
この説明に感謝し、それほど多くの情報を提供しなかったことをお詫びします。
したがって、2つの因子（X1とX2）と2つの応答を持つ完全な因子計画を実行しました。 主な目的は、収率Y1を最大化することですが、許容可能なレベルの不純物（Y2をXより低く）を維持することです。
すでにわかっているロット開始材料にはバリエーションがあります。この変動性を考慮したいのですが、将来の調査には使用しません（重要であっても、モデルにX3としてロットを追加する必要はありません）。
JMP cmmunityで読んだ内容によると、ランダムブロックとフォックスブロックの違いは次のとおりです（間違っている場合は修正してください）。
- A修繕ブロックは、ソフトウェアではデフォルトで他の要素と同様に扱われます。 これはモデルに示されています。つまり、分析を行う際に2つではなく3つの要素を考慮しますが、ロットの交互作用と2次効果は除外します。
- Aランダムブロックの場合、特に、ブロックに起因する変動を説明することが目的であり、効果について推論する必要がない場合に使用されます（これがここでのケースです）。つまり、デザインに複数のロットの原材料を含める場合、将来それらのロットを使用しないため、ロットAが平均応答を1.5増加させ、ロットBが-0.6増加することを気にしません。 デザインで使用したロットは、将来遭遇する原材料ロットの典型的なバリエーションを表すものにしたいだけです。
あなたが説明したように、ランダムブロッキングを使用することにしましたが、JMPには2つの奇妙なことがあります。
-ランダムブロッキングのANOVA表は表示されませんでした
-シミュレーターをやってみると、ランダムブロッキングの不良率はありません
これらの情報が欠落している理由を理解するのを手伝っていただけませんか。
ありがとう！
私
Re：データ分析時のブロッキングファクター申し訳ありませんが、議論に少し遅れました。 あなたが何をしているのかわかりませんか？ 機密性のために因子と応答変数をコーディングしたい場合でも、データテーブルを提供できれば私たちにも役立ちます。 このようにして、分析の出力として得られたものを再現/理解しようとすることができます。
私はこの声明を理解していません：
すでにわかっているロット開始材料にはバリエーションがあります。この変動性を考慮したいのですが、将来の調査には使用しません（重要であっても、モデルにX3としてロットを追加する必要はありません）。
私の考え：
1.重要である可能性があることがわかっている、ロット間の変動の到来変動を説明したい/必要があるように思われますか？
2.ロット間のばらつきがあることがわかっている場合、それが歩留まりに影響を与えるかどうかを知っていますか？ もしそうなら、あなたは入ってくるロット間の変動を減らすために何をしていますか？
3.入荷ロットを測定できますか？ 利回りに関連すると思われる入荷ロットの指標はありますか？ もしそうなら、なぜその尺度を共変量として扱ってみませんか？
4.ブロッキングの使用について別の見方をします...あなたが示すように、ブロック効果をランダム効果または固定効果として扱うには2つの方法があります。 私にとって、どちらを使用するかを決定するのは、どのノイズがブロックと交絡しているのかを理解する量です。 どのノイズ変数がブロックと交絡しているのかを完全に理解している場合、ブロックのより効果的な使用は固定効果としてです。 モデルを分析するときは、ブロックとすべてのブロックごとの交互作用を含める必要があります。 実際、最も重要な影響は、因子ごとの交互作用である可能性があります。 なぜ、ノイズの変化に対して因子効果を一貫させたいので（これはロバストの定義です）、これは本質的に、因子ごとの相互作用がないことを意味します。
ここで、ブロックと交絡しているノイズ要因を特定するためのデューデリジェンスを行っていない場合は、ブロックを変量効果および平均二乗誤差を下げる手段として扱う必要があります（これにより、より重要なFが得られる可能性があります） -テスト）。
「できることをブロックし、できないことをランダム化する」GEP ボックス
識別できるものをブロックし、識別できないものをランダム化します。
Re：データ分析時のブロッキングファクターご回答ありがとうございます！
申し訳ありませんが、それは十分に説明されていませんでした、私は声明のために明確にしようとします：
私たちの目的はタンパク質の収量を最大化することであり、すべての出発物質は異なるタンパク質濃度を持ち、またすべての使用済みロットは将来使用されないことを知っています。 そのため、将来はこれらのロットを使用しないため、ロットAが平均応答を1.5増加させ、ロットBが-0.6増加することを気にしません。
その他の質問の場合：
1.はい、ロット間のばらつきは重要です。 可能であれば、この変動の量を説明することは興味深いでしょうが、すべての実験はすでに行われており、2ロットのみが使用されました。
2.ロットごとにばらつきがあり、歩留まりに影響を与えることがわかっています。 入ってくるロット間の変動を減らすことには関心がありません。 開始タンパク質量に関係なく、最大のタンパク質を抽出する必要があります。
3.はい、出発物質中のタンパク質の量を測定します。これは収量に関係しています。 しかし、「その尺度を共変量として扱う」とはどういう意味かわかりません。
4.どうもありがとう！はい、それは追加する意味があります因子ごとの交互作用。
「どのノイズがブロックと交絡しているのかについての理解の量。」 私がよく理解していれば、この例では、ロット間の変動は、収量（Y1）に影響を与えるタンパク質濃度の違いと、もちろん残留不純物（Y2）にも影響を与える不純物の量の違いによるものです。 それは私たちがそれを固定として扱わなければならないことを意味しますか？
もう1つ言及すべきことは、調整されたR2とR2が約50％であったことです。これは、モデルでは考慮しなかった一定量の変動がまだあることを意味します。
そして、あなたの声明では、「ブロックと交絡しているノイズ要因を特定するためのデューデリジェンスを行っていない場合、ブロックを変量効果として扱うことになります。および平均二乗誤差を下げる手段（これにより、より有意なF検定が提供される場合があります）。 「」 「平均二乗誤差を下げる手段」の意味がよくわかりませんでした。
それらの説明のすべてに感謝します。
添付のデータテーブルがありますので、Y2を70未満に保ちながらY1を最大化するための最適な条件を見つけるのを手伝ってくれるかもしれません:)
最高！
私
Re：データ分析時のブロッキングファクターロットを再利用しないことは理解していますが、将来のロットで機能するモデルが必要な場合は、モデル内のロットの変動を考慮する必要があります。
入ってくる材料を測定できる場合は、その測定値をモデルの確率変数として（ランダムブロックとしてではなく）追加できます。 モデルには、将来の予測のためにこの項が含まれます。
https://www.jmp.com/support/help/en/16.0/?os=mac&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/experiments-with-covariates.shtml
典型的なモデルの場合Y = X1 + X2 + X1 * X2 +エラー
ここで、エラーは、用語に割り当てられていないすべての自由度です（ブロック効果を含む）
ただし、ブロック効果を割り当てることができる場合、モデルは次のとおりです。
Y = X1 + X2 + X1 * X2 +ブロック+エラー
ブロック効果が割り当てられているため、エラー（平均二乗誤差）が減少し、F比が大きくなるため、統計的に有意な効果の可能性が高まります。
私はあなたのテーブルを簡単に見ました。 関心のある列を色分けしているようです。 オレンジ色のものはロット、X1とX2で、2つのYが表示されます。 他の列は説明されていません。
申し訳ありませんが、私は実際に計画された実験を見ていませんか？ 確かにX1とX2の階乗ではありません。
回帰を使用して、関係があるかどうかを確認できますか？ データをざっと見ると、異常なデータポイントがあることもわかります。 Y1にはBoostedTreeを、Y2にはNeuralBoostedを試してください。
Re：データ分析時のブロッキングファクターねえスタットマン、
フィードバックありがとうございます！ 今はもっとはっきりしています。 データテーブルを更新しました（前のものは間違っていました）。
ロットごとに2つの因子（X1とX2）と2つの応答（Y1とY2）を持つ完全な因子計画を検討しました。 ロットごとに、1つの追加実験を3回実行しました（実験「参照」）。
私の統計知識は非常に限られています。なぜブーストツリーとニューラルブーストツリーを実行する必要があるのかわかりません。
