데이터 분석시 차단요인안녕하세요,
내 질문은 데이터를 분석할 때 요소를 차단하는 방법입니다.
감사해요 !
나
신뢰성 분석Re: 데이터 분석시 차단요인이봐, 스탯맨,
귀하의 피드백에 감사드립니다! 이제 더 명확해졌습니다. 데이터 테이블을 업데이트했습니다(이전 데이터 테이블이 잘못되었습니다).
각 로트에 대해 2개의 요인(X1 및 X2)과 2개의 반응(Y1 및 Y2)이 있는 완전 요인 설계를 고려했습니다. 각 로트에 대해 하나의 추가 실험을 3중으로 수행했습니다(실험 "참조").
내 통계 지식은 매우 제한적이며 Boosted 및 Neural Boosted 트리를 수행해야 하는 이유를 모르겠습니다.
Re: 데이터 분석시 차단요인나는 당신이 로트를 재사용하지 않을 것이라는 점을 이해하지만 향후 로트에서 작동하는 모델을 갖고 싶다면 모델의 로트 변동을 고려해야 합니다.
들어오는 재료를 측정할 수 있는 경우 해당 측정을 모델의 임의 변수로 추가할 수 있습니다(임의 블록이 아님). 그런 다음 모델은 미래 예측을 위해 이 용어를 포함합니다.
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
일반적인 모델의 경우 Y = X1 + X2 + X1*X2 + 오류
여기서 오차는 항에 할당되지 않은 모든 자유도(블록 효과 포함)입니다.
그러나 블록 효과를 할당할 수 있는 경우 모델은 다음과 같습니다.
Y = X1 + X2 + X1*X2 + 블록 + 오류
차단 효과가 할당되었으므로 오류(평균 제곱 오차)가 감소하여 더 큰 F-Ratio로 인해 통계적으로 유의미한 효과의 가능성이 높아집니다.
귀하의 테이블을 간단히 살펴보았습니다. 관심 있는 열을 색상으로 구분한 것을 볼 수 있습니다. 주황색은 로트, X1, X2이고 2개의 Y가 보입니다. 다른 열은 설명되지 않습니다.
죄송하지만 설계된 실험이 정말 보이지 않습니까??? 확실히 X1과 X2의 계승은 아닙니다.
회귀를 사용하여 관계가 있는지 확인할 수 있습니까? 데이터를 빠르게 살펴보면 일부 비정상적인 데이터 포인트가 있음을 알 수 있습니다. Y1에는 Boosted Tree를, Y2에는 Neural Boosted를 사용해 보십시오.
Re: 데이터 분석시 차단요인답변 주셔서 감사합니다!
죄송합니다. 잘 설명되지 않았습니다. 진술을 명확히 하려고 합니다.
우리의 목표는 단백질 수율을 최대화하는 것입니다. 모든 출발 물질이 단백질 농도가 다르고 사용된 모든 로트가 미래에 사용되지 않는다는 것을 알고 있습니다. 이것이 Lot A가 평균 응답을 1.5 증가시키고 Lot B가 -0.6 증가하는 것을 신경쓰지 않는 이유입니다.
다른 질문:
1. 예, 로트 간 변동이 상당합니다. 가능하다면 이 변동의 양을 설명하는 것이 흥미로울 것입니다. 그러나 모든 실험이 이미 완료되었고 2개의 로트만 사용되었습니다.
2. 로트 간 변동이 있고 수익률에 영향을 미친다는 것을 알고 있습니다. 들어오는 로트 간 변동을 줄이는 데 관심이 없습니다. 시작 단백질 양과 독립적으로 최대 단백질을 추출해야 합니다.
3. 예, 출발 물질의 단백질 양을 측정하며 이는 수율과 관련이 있습니다. 그러나 "그 측정값을 공변량으로 취급한다"는 것이 무슨 뜻인지 모르겠습니다.
4. 정말 감사합니다! 예 추가하는 것이 합리적입니다 블록별 상호 작용.
" 어떤 노이즈가 블록과 혼동되는지에 대한 이해의 양." 내가 잘 이해했다면, 우리의 예에서 로트 간 변동은 수율(Y1)에 영향을 미치는 단백질 농도가 다르고 물론 잔류 불순물(Y2)에도 영향을 미치는 불순물의 양이 다르기 때문입니다. 그것은 우리가 그것을 fixed ? 로 취급해야 한다는 것을 의미합니다.
언급해야 할 또 다른 사항은 조정된 R2 및 R2가 약 50%였으며 이는 모델에서 고려하지 않은 일정량의 변동성이 여전히 있음을 의미합니다.
그리고 귀하의 진술에 대해 "이제 어떤 노이즈 요인이 블록과 혼동되는지 식별하는 실사를 수행하지 않은 경우 블록을 무작위 효과로 취급해야 합니다. 및 평균 제곱 오차를 낮추는 수단(더 중요한 F-테스트를 제공할 수 있음). " "평균 제곱 오차를 낮추는 수단"의 의미를 완전히 이해하지 못했습니다.
모든 설명에 감사드립니다.
데이터 테이블을 첨부하면 Y2를 70보다 낮게 유지하면서 Y1을 최대화하는 최적의 조건을 찾는 데 도움이 될 수 있습니다. 
최상의 !
나
Re: 데이터 분석시 차단요인죄송합니다. 토론이 조금 늦었습니다. 당신이하는 일을 이해하고 있는지 잘 모르겠습니다. 비밀유지를 위해 요인과 반응변수를 코딩하고 싶으시더라도 데이터 테이블을 제공해 주시면 저희에게도 도움이 될 것입니다. 이렇게 하면 분석 결과로 얻은 것을 재현/이해할 수 있습니다.
나는 이 진술을 이해하지 못한다:
우리는 이미 알고 있는 로트 시작 재료에 변형이 있습니다. 우리는 이 추가 변동성을 고려하고 싶지만 향후 조사에는 고려하지 않습니다(유의하더라도 모델에서 로트를 X3로 추가할 필요가 없음).
내 생각:
1. 중요할 수 있는 로트 간 변동의 들어오는 변동을 설명하고 싶거나 설명해야 하는 것 같습니까?
2. 로트별 변동이 있다는 것을 알고 있다면 그것이 수익률에 영향을 미치는지 알고 있습니까? 그렇다면 들어오는 로트 간 변동을 줄이기 위해 무엇을 하고 있습니까?
3. 들어오는 로트를 측정할 수 있습니까? 수확량과 관련이 있다고 생각되는 들어오는 로트의 척도가 있습니까? 그렇다면 해당 측정값을 공변량으로 취급하지 않는 이유는 무엇입니까?
4. 블로킹 사용에 대한 다른 관점을 제공하겠습니다...당신이 지적한 것처럼 블로킹 효과를 무작위 효과 또는 고정 효과로 처리하는 두 가지 방법이 있습니다. 나에게 당신이 사용하는 것을 결정하는 것은 어떤 노이즈가 블록과 혼동되는지에 대한 이해의 양입니다. 어떤 노이즈 변수가 블록과 교락되는지에 대한 철저한 이해가 있다면 블록을 보다 효과적으로 사용하는 것이 고정효과로 됩니다. 모델을 분석할 때 블록과 모든 블록별 상호 작용을 포함하려고 합니다. 실제로 가장 중요한 효과는 블록별 상호 작용일 수 있습니다. 요인 효과가 노이즈 변화에 대해 일관되기를 원하기 때문에(이는 견고함의 정의임) 본질적으로 이는 블록별 상호 작용이 없음을 의미합니다.
이제 어떤 노이즈 요인이 블록과 혼동되는지 확인하기 위한 실사를 수행하지 않은 경우 블록을 무작위 효과로 취급하고 평균 제곱 오차를 낮추는 수단(더 중요한 F -시험).
"할 수 있는 것은 차단하고, 할 수 없는 것은 무작위화" GEP 상자
식별할 수 있는 것은 차단하고 식별할 수 없는 것은 무작위화합니다.
Re: 데이터 분석시 차단요인안녕하세요,
이렇게 설명해주셔서 감사하고 많은 정보를 드리지 못해 죄송합니다.
따라서 요인이 2개(X1 및 X2)이고 응답이 2개인 완전 요인 설계를 실행했습니다. 주요 목적은 수율 Y1을 최대화하되 허용 가능한 수준의 불순물을 유지하는 것입니다(Y2가 70보다 낮음).
우리는 로트 간 출발 물질에 상당한 변화가 있습니다.
JMP cmmunity에서 읽은 내용에 따르면 임의 블록과 고정 블록의 차이점은 다음과 같습니다(틀린 경우 수정해 주세요).
- ㅏ 결정된 블록은 소프트웨어에서 기본적으로 다른 요소처럼 취급됩니다. 모형에 나타나 있습니다. 즉, 분석을 할 때 2가지 요인이 아닌 3가지 요인을 고려하지만 Lot에 대해서는 교호작용과 2차 효과를 제외합니다.
- ㅏ 무작위의 블록, 특히 우리의 목표가 블록으로 인해 발생하는 변동을 설명하고 효과에 대한 추론을 할 필요가 없는 경우에 사용됩니다(여기서 우리의 경우).즉, 내 디자인에 여러 로트의 원재료를 포함하더라도 향후에 해당 로트를 사용하지 않을 것이기 때문에 로트 A는 평균 응답을 1.5, 로트 B는 -0.6만큼 증가시키더라도 상관하지 않습니다. 설계에 사용된 로트가 미래에 접하게 될 원재료 로트의 일반적인 변형을 대표하기를 원합니다.
설명하신 대로 임의 차단을 사용하기로 결정했지만 JMP에는 두 가지 이상한 점이 있습니다.
- 임의 차단에 대한 ANOVA 테이블이 표시되지 않았습니다.
- 또한 시뮬레이터를 할 때 랜덤 차단 불량률이 없습니다.
해당 정보가 누락된 이유를 이해하도록 도와주시겠습니까?
감사해요 !
나
Re: 데이터 분석시 차단요인귀하의 진술은 말이 되지 않습니다. 실험을 완료했습니까? 차단된 실행으로 실험을 설계했습니까?
귀하의 상황을 지나치게 단순화한 것 같지만 복잡한 기술(차단)에 직면하여 정보를 거의 제공하지 않았습니다. 데이터 테이블에 새 데이터 열을 추가하고 지정된 블록의 구성원을 나타내는 값을 채울 수 있습니다. 예를 들어, 데이터 테이블에 16개의 실행이 포함되고 블록이 연속 4개의 실행인 경우 새 열에는 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4, 4. 분석 > 모델 적합을 선택합니다. 응답을 Y 역할에 할당합니다. 요인 열을 선택하고 요인 효과에 대한 적절한 용어를 만듭니다. 효과 목록에 블록이 있는 열을 추가해야 합니다. 차단 효과는 기본적으로 다른 요인과 마찬가지로 고정 효과로 취급됩니다. 블록을 무작위 효과로 취급하려면 효과 목록에서 블록을 선택하고 속성 옆에 있는 빨간색 삼각형을 클릭한 다음 무작위 효과를 선택하십시오.
