Analyse factorielle complète avec blocage supplémentaireChère communauté JMP,
Initialement, j'ai conçu l'expérience suivante en utilisant un facteur complet - 3 facteurs (2 continus + 1 catégoriel) - la chambre de traitement étant le facteur catégoriel.
Pour le processus concerné, on sait déjà qu'il y aura des variations de chambre à chambre, mais toutes les chambres doivent pouvoir fonctionner dans une certaine limite de spécification. D'où la décision initiale d'inclure la chambre comme paramètre catégorique.
Au total, il y a eu 20 courses. L'expérience a été réalisée et les données ont été recueillies.
1. Serait-il préférable d'utiliser la factorielle complète avec blocage en premier lieu, puisque la chambre peut être considérée comme un effet aléatoire ? Si oui, alors je suis foutu. 
2. Existe-t-il un autre moyen d'utiliser les données existantes collectées pour analyser correctement les données ?
Merci d'avance
AmirSS
BICHERe : Analyse factorielle complète avec blocage supplémentairePourquoi pensez-vous que la chambre doit être considérée comme un effet aléatoire ?
Vous modéliseriez les effets d'un facteur comme un effet aléatoire si vous vous attendez à voir des différences importantes entre les niveaux du facteur et que vous ne pouvez pas contrôler les niveaux.
Un exemple classique est DAY lorsque vous avez plusieurs analyses chaque jour et que vous vous attendez à des différences de réponse entre les jours en raison d'un ou plusieurs facteurs de "bruit" (par exemple, température ambiante, humidité, étalonnage quotidien de l'instrument, équipes de travail, ...) qui varient d'un jour à l'autre et que vous n'êtes pas en mesure de contrôler.
Vous pouvez inclure un effet aléatoire pour DAY pour prendre en charge la variation du facteur de bruit au jour le jour et le séparer de la variation due aux effets fixes d'intérêt. De cette façon, vous avez une meilleure estimation de l'effet des facteurs que vous êtes en mesure de contrôler. Mais vous ne pouvez pas faire de prédictions spécifiques sur un jour dans le futur car vous n'avez aucune information sur ce que sera l'effet aléatoire de DAY.
Maintenant, d'un autre côté, vous pourriez soupçonner qu'il existe un effet DAY prévisible dans la façon dont il varie selon le jour de la semaine. Peut-être vous attendez-vous à une réponse plus élevée le lundi et le mardi. Dans ce cas, vous modéliserez DAY (M, Tu, W, Th, Fr) comme un effet fixe. Avec votre modèle, vous pouvez faire des prédictions sur la réponse que vous pourriez voir un certain jour de la semaine.
Espérons que cela ait du sens.
La question pour vous est donc de savoir si Chamber est comme l'effet "bruyant" de DAY dans le premier exemple ou est-ce comme l'effet prévisible de DAY dans le deuxième exemple.
J'espère que je n'ai pas ajouté à votre confusion!
Phil
Re : Analyse factorielle complète avec blocage supplémentaireLes conseils et les explications de Phil sont excellents. Mes pensées:
1. Êtes-vous réellement intéressé à expérimenter (comprendre la structure causale) ou à tester (choisir un gagnant) ? Voulez-vous comprendre pourquoi vous obtiendriez des effets potentiellement différents des 2 variables continues pour chaque chambre ?
2. Curieux de savoir pourquoi vous n'essayez pas de comprendre et éventuellement de réduire la variation de chambre à chambre ?
3. Y a-t-il des variations importantes à l'intérieur de la chambre ? Qu'en est-il de l'erreur du système de mesure ?
4. Y a-t-il seulement 2 chambres ? Si oui, essayez-vous de trouver les réglages qui fonctionnent le mieux dans chaque chambre ?
5. Vous pouvez certainement analyser l'ensemble de données dont vous disposez. Il semble que vous ayez une factorielle 3^2 répliquée sur 2 chambres. Vous pouvez analyser les résultats pour chaque chambre séparément (si vous cherchez simplement à trouver les effets appropriés pour chaque chambre) ou si vous voulez réellement obtenir des indices pour comprendre les effets et pourquoi ils peuvent être différents pour chaque chambre, vous pouvez inclure la chambre et toutes les interactions chambre par facteur dans le modèle.
