Wird bei der Erstellung einer DoE der Modellierungstyp oder die Designrolle oder beides berücksichtigt?Unser Experiment hat einen Faktor, der auf „niedrig“ / „mittel“ / „hoch“ eingestellt ist – diese Werte werden durch eine Mischung von Einstellungen angepasst
Der Datentyp ist auf „Zeichen“ eingestellt
Der Modellierungstyp ist auf Ordinal eingestellt
Die Designrolle ist auf „Kategorisch“ festgelegt
Die Wertreihenfolge ist auf „niedrig“ / „mittel“ / „hoch“ eingestellt.
Erstellt JMP das Design mit diesen Informationen, dass niedrig niedriger als mittel ist usw.?
Oder wird es das gleiche Design sein wie bei drei kategorialen Faktoren, die keine Reihenfolge oder Beziehung haben?
Die Alternative besteht darin, „niedrig“ / „mittel“ / „hoch“ mit in „1“ / „2“ / „3“ umzubenennen
Der Datentyp ist auf „Numerisch“ eingestellt
Der Modellierungstyp ist auf „Ordinal“ festgelegt
Die Designrolle ist auf „Diskret numerisch“ festgelegt
Für unser Experiment benötigen wir weniger empfohlene Läufe.
Welcher Weg ist der richtige oder wie entscheiden wir, welchen wir verwenden?
Vielen Dank im Voraus für jede Hilfe!
Daniella
MassenanpassungBetreff: Wird bei der Erstellung einer DoE der Modellierungstyp oder die Designrolle oder beides berücksichtigt?Wenn es sich bei einem Faktor um eine Zeichenfolge handelt, behandelt JMP den Faktor als diskret. Das bedeutet, dass es sich bei den Ebenen nur um Namen handelt und es keine implizite Reihenfolge gibt (Ordinal- und Nominalwerte werden gleich behandelt – denken Sie daran, dass JMP im Custom Designer nicht nach dem Modellierungstyp fragt). Der Nachteil eines wirklich kategorialen Faktors besteht darin, dass die Interpolation nicht zur Schätzung der Parameter auf den verschiedenen Ebenen verwendet werden kann. Sie MÜSSEN Daten auf jeder Ebene erfassen. Wenn Sie weniger Datenpunkte auf einer Ebene verwenden, verringert sich die Schätzung des Parameters für diese Ebene.
Wenn ein Faktor als diskreter numerischer Faktor erstellt wird, erstellt JMP den Faktor als kontinuierlichen Faktor. Der Hauptunterschied besteht darin, dass JMP, um alle diskreten Ebenen zu erreichen, dem Modell „wenn möglich“ zusätzliche Terme hinzufügt, um die zusätzlichen Ebenen zu erzwingen. In Ihrem Beispiel würde es einen zusätzlichen quadrierten Term für Ihren Faktor hinzufügen, um sicherzustellen, dass die Stufe „2“ im Design erscheint. Dieser Ansatz könnte dazu führen, dass die mittlere Ebene nicht so oft ausgewählt wird, als wenn die Zeichenfolge verwendet würde. Warum? Denn wenn der Faktor tatsächlich stetig ist, kann uns die Interpolation bei der Parameterschätzung helfen. Ich weiß etwas mehr über die Mitte des Faktorbereichs, da ich Daten bei den niedrigen und hohen Einstellungen sammeln werde.
Wenn ein Faktor als stetig behandelt werden kann, würde ich im Allgemeinen empfehlen, ihn für den Entwurf stetig zu machen. Aber wenn das der Fall ist, würde ich fragen: Warum braucht man drei Ebenen? Mathematisch besteht der einzige Grund für die dritte Ebene darin, die Krümmung abzuschätzen. Wenn dies der Fall ist, sollte das Modell einen quadratischen Term enthalten. Es gibt also viele Diskussionen über die Faktoren und darüber, wie sie behandelt werden sollten, aber ich denke, dass die meisten dieser Antworten auf Fachwissen basieren.
Erstellen Sie das Design letztendlich in beide Richtungen. Welches bietet bessere Eigenschaften, die Ihren Anforderungen entsprechen?
