Análisis factorial completo con bloqueo adicionalEstimada comunidad de JMP,
Inicialmente, diseñé el siguiente experimento usando factorial completo - factor 3 (2 continuos + 1 categórico) - siendo la cámara de proceso el factor categórico.
Para el proceso en cuestión, ya se sabe que habrá variación de cámara a cámara, pero todas las cámaras deben ser operables dentro de un cierto límite de especificación. De ahí la decisión inicial de incluir la cámara como parámetro categórico.
En total hubo 20 carreras. Se ha realizado el experimento y se han recopilado datos.
1. ¿Sería mejor si se usara factorial completo con bloqueo en primer lugar, ya que la cámara se puede considerar como un efecto aleatorio? Si es así, entonces estoy jodido. 
2. ¿Existe alguna otra forma de utilizar los datos existentes recopilados para analizar adecuadamente los datos?
Gracias de antemano
AmirSS
GAMARe: Análisis factorial completo con bloqueo añadido¿Por qué crees que la cámara debería considerarse un efecto aleatorio?
Modelaría los efectos de un factor como un efecto aleatorio si espera ver diferencias importantes entre los niveles del factor y no puede controlar los niveles.
Un ejemplo clásico es DÍA cuando tiene varias ejecuciones cada día y esperaría diferencias en la respuesta entre días debido a uno o más factores de "ruido" (por ejemplo, temperatura ambiente, humedad, calibración diaria de instrumentos, operadores de turno, ...) que varían de un día a otro y no se pueden controlar.
Puede incluir un efecto aleatorio para DAY para cuidar la variación del factor de ruido diario y separarlo de la variación debido a los efectos fijos de interés. De esta manera, tiene una mejor estimación del efecto de los factores que puede controlar. Pero no puede hacer predicciones específicas sobre un día en el futuro porque no tiene información sobre cuál será el efecto aleatorio de DAY.
Ahora, por otro lado, puede sospechar que hay un efecto DÍA predecible en la forma en que varía según el día de la semana. Tal vez espere una mayor respuesta el lunes y martes. En ese caso, modelaría DAY (M, Tu, W, Th, Fr) como un efecto fijo. Con su modelo, podría hacer predicciones sobre la respuesta que podría ver en un día determinado de la semana.
Ojalá tenga sentido.
Por lo tanto, la pregunta para usted es si Chamber es como el efecto "ruidoso" de DAY en el primer ejemplo o si es como el efecto predecible de DAY en el segundo ejemplo.
¡Espero no haber aumentado tu confusión!
Phil
Re: Análisis factorial completo con bloqueo añadidoEl consejo y la explicación de Phil son excelentes. Mis pensamientos:
1. ¿Está realmente interesado en experimentar (comprender la estructura causal) o probar (elegir un ganador)? ¿Quiere entender por qué estaría obteniendo efectos potencialmente diferentes de las 2 variables continuas para cada cámara?
2. ¿Tiene curiosidad por saber por qué no está tratando de comprender y posiblemente reducir la variación de cámara a cámara?
3. ¿Existe alguna variación significativa dentro de la cámara? ¿Qué hay del error del sistema de medición?
4. ¿Hay solo 2 cámaras? Si es así, ¿está tratando de encontrar la configuración que funcione mejor en cada cámara?
5. Sin duda, puede analizar el conjunto de datos que tiene. Parece que tienes un factorial 3 ^ 2 replicado en 2 cámaras. Puede analizar los resultados para cada cámara por separado (si solo está buscando los efectos apropiados para cada cámara) o si realmente desea obtener pistas para comprender los efectos y por qué pueden ser diferentes para cada cámara, puede incluir la cámara y todas las interacciones cámara por factor en el modelo.
Re: Análisis factorial completo con bloqueo añadidoGracias @Phil_Kay y @statman .
Para responder las preguntas:
Por lo tanto, la pregunta para usted es si Chamber es como el efecto "ruidoso" de DAY en el primer ejemplo o es como el efecto predecible de DAY en el segundo ejemplo.
Si mi comprensión es correcta, la cámara debería tener un efecto predecible.
1. ¿Está realmente interesado en experimentar (comprender la estructura causal) o probar (elegir un ganador)? ¿Quiere entender por qué obtendría efectos potencialmente diferentes de las 2 variables continuas para cada cámara?
2. ¿Tiene curiosidad por saber por qué no está tratando de comprender y posiblemente reducir la variación de una cámara a otra?
3. ¿Existe alguna variación significativa dentro de la cámara? ¿Qué tal el error del sistema de medición?
4. ¿Hay sólo 2 cámaras? Si es así, ¿está intentando encontrar la configuración que funcione mejor en cada cámara?
En total tengo 12 cámaras del mismo tipo. Aquí solo se eligieron 2 cámaras debido a limitaciones en términos de recursos y disponibilidad de las cámaras.
Se supone que la variación entre cámaras es mínima porque los componentes físicos de la cámara se están calibrando según un método común. (El valor exacto del hardware utilizado de una cámara a otra puede diferir).
Considerándolo todo, mi objetivo principal es encontrar la mejor configuración de las 2 variables continuas que funcionen mejor y se puedan aplicar a las 12 cámaras.
Gracias a todos y esperando que el método para analizar mi DOE pueda ser esclarecedor.
