차단 기능이 추가된 전체 요인 분석JMP 커뮤니티 여러분,
처음에는 완전 요인 - 3 요인(2 연속 + 1 범주) - 프로세스 챔버를 범주 요인으로 사용하여 다음 실험을 설계했습니다.
우려되는 프로세스의 경우 챔버마다 편차가 있는 것으로 이미 알려져 있지만 모든 챔버는 특정 사양 제한 내에서 작동할 수 있어야 합니다. 따라서 챔버를 범주형 매개변수로 포함하기로 한 초기 결정입니다.
총 20개의 런이 있었습니다. 실험이 수행되었고 데이터가 수집되었습니다.
1. 챔버는 랜덤 효과로 간주될 수 있기 때문에 블록킹이 있는 Full factorial을 먼저 사용하는 것이 더 나을까요? 그렇다면 나는 망했다. 
2. 기존에 수집된 데이터를 활용하여 데이터를 적절하게 분석할 수 있는 다른 방법이 있습니까?
미리 감사합니다
아미르SS
암사슴Re: 차단이 추가된 전체 요인 분석챔버를 무작위 효과로 간주해야 하는 이유는 무엇이라고 생각하십니까?
요인 수준 간에 중요한 차이가 있을 것으로 예상되고 수준을 제어할 수 없는 경우 요인 효과를 무작위 효과로 모델링합니다.
전형적인 예는 매일 여러 번 실행하고 하나 이상의 "노이즈" 요인(예: 주변 온도, 습도, 일일 기기 교정, 교대 작업자 등)으로 인해 날짜 사이에 응답 차이가 예상되는 DAY입니다. 날마다 다르며 제어할 수 없습니다.
DAY에 대한 임의 효과를 포함하여 일상적인 잡음 요인 변동을 처리하고 관심 있는 고정 효과로 인한 변동과 분리할 수 있습니다. 이러한 방식으로 제어할 수 있는 요인의 효과를 더 잘 추정할 수 있습니다. 그러나 DAY의 무작위 효과에 대한 정보가 없기 때문에 미래의 하루에 대해 구체적으로 예측할 수 없습니다.
반면에 요일의 변화에 예측 가능한 DAY 효과가 있다고 의심할 수 있습니다. 월요일과 화요일에 더 높은 응답을 기대할 수 있습니다. 이 경우 고정 효과로 DAY(M, Tu, W, Th, Fr)를 모델링합니다. 모델을 사용하여 특정 요일에 나타날 수 있는 응답에 대해 예측할 수 있습니다.
그것이 의미가 있기를 바랍니다.
따라서 질문은 Chamber가 첫 번째 예에서 DAY의 "시끄러운" 효과와 같은지 아니면 두 번째 예에서 DAY의 예측 가능한 효과와 같은지입니다.
나는 당신의 혼란에 추가하지 않았기를 바랍니다!
필
Re: 차단이 추가된 전체 요인 분석Phil의 조언과 설명은 훌륭합니다. 내 생각:
1. 실제로 실험(인과 구조 이해) 또는 테스트(승자 선택)에 관심이 있습니까? 각 챔버에 대해 2개의 연속 변수가 잠재적으로 다른 효과를 얻는 이유를 이해하고 싶습니까?
2. 왜 챔버에서 챔버로의 변화를 이해하고 줄이려고 하지 않는지 궁금하십니까?
3. 챔버 내 편차가 큰가요? 측정 시스템 오류는 어떻습니까?
4. 방이 2개뿐인가요? 그렇다면 각 챔버에서 가장 잘 작동하는 설정을 찾으려고 노력하고 있습니까?
5. 가지고 있는 데이터 세트를 확실히 분석할 수 있습니다. 2개의 챔버에 걸쳐 3^2 계승이 복제된 것 같습니다. 각 챔버에 대한 결과를 개별적으로 분석할 수 있습니다(각 챔버에 대한 적절한 효과를 찾고자 하는 경우) 또는 실제로 효과를 이해하는 단서를 얻고 각 챔버에 대해 다를 수 있는 이유를 얻으려면 챔버를 포함할 수 있습니다. 모델의 모든 챔버별 요인 상호작용.
