Leistungsberechnung beim Mischungsdesign – Warum ist die Leistung so niedrig?Ein Kunde hat mir das präsentiert und ich weiß nicht, wie ich es erklären soll.Unter Verwendung der Faktoren aus der beigefügten Tabelle und des standardmäßigen 21-Versuchsexperiments wird die Leistungsberechnung unten dargestellt.Gibt es eine gute Erklärung dafür, warum die Leistung so niedrig ist?
Betreff: Leistungsberechnung beim Gemischdesign – Warum ist die Leistung so niedrig?Nein, nur die Haupteffekte (dh die Mischungskomponente kann nicht aus dem Modell entfernt werden).
Betreff: Leistungsberechnung beim Gemischdesign – Warum ist die Leistung so niedrig?Don, bezieht sich Ihre Aussage über „nicht signifikante Faktoren können nicht aus dem Modell entfernt werden“ auch auf die Effekte höherer Ordnung (Nicht-Haupteffekte/lineare Mischungsterme)?
Betreff: Leistungsberechnung beim Gemischdesign – Warum ist die Leistung so niedrig?Und um noch etwas zum späteren Nachschlagen hinzuzufügen ... Mischungen sind häufig durch begrenzte Anteile einzelner Komponenten und begrenzte Anteilskombinationen eingeschränkt. Diese Einschränkungen erhöhen die Korrelationen der Schätzungen dramatisch, was die geringe Aussagekraft weiter verschärft. Es kann wirklich gruselig aussehen! Aber @DonMcCormack Und @Dan_Obermiller erklärt haben, ist uns die Macht sowieso ziemlich egal.
Betreff: Leistungsberechnung beim Gemischdesign – Warum ist die Leistung so niedrig?Um Dons hervorragender Antwort nur ein wenig hinzuzufügen: Die Leistung spielt in einem Mischungsexperiment wirklich keine Rolle, da Sie nicht testen, ob der Haupteffektkoeffizient 0 ist. Sie würden tatsächlich testen, ob sich die Haupteffektkoeffizienten vom Gesamtdurchschnitt der Daten unterscheiden. Deshalb würden Sie einen Koeffizienten nicht auf 0 setzen. Eigentlich würde man sagen, dass der Koeffizient einen Effekt hat.
Eigentlich wünschte ich, dass JMP nicht einmal die Stärke der Haupteffekte eines Gemischdesigns angeben würde. Es verursacht unnötige Bedenken, da Sie das Problem nicht „beheben“ können und es keinen Sinn macht, darüber nachzudenken.
Betreff: Leistungsberechnung beim Gemischdesign – Warum ist die Leistung so niedrig?Mischungsdesigns haben eine geringe Leistung, da die Effekte stark korrelieren. Mehr Korrelation == geringere Leistung. Letztendlich geht es Ihnen bei einem Mischungsdesign um die Antwortschätzung und nicht um die Faktorsignifikanz. Nicht signifikante Faktoren können nicht aus dem Modell entfernt werden, da Sie sonst keinen Mischungsplan haben (dh die Mathematik wird durcheinander gebracht). Mit einem Faktor, der keinen Einfluss auf die Antwort hat, würde wahrscheinlich passieren, dass er auf 0 gesetzt wird. Auch wenn dies aus praktischer Sicht dasselbe zu sein scheint, ist es mathematisch gesehen nicht so. Sie können ein ähnliches Argument verwenden, um Nicht-Signifikanz beizubehalten, wenn Sie Nicht-Mischungsdaten mit LASSO (oder Elastic Net oder Ridge) anpassen. Der Schwerpunkt liegt auf der Antwortschätzung, und das Weglassen nichtsignifikanter Faktoren kann die Schätzung tatsächlich verschlechtern (d. h. die Vorhersagevarianz erhöhen).
