친애하는 JMP 커뮤니티 여러분,
프로세스를 최적화하고 싶습니다. 5개의 요인(X1 –X5)이 있는데 그 중 하나는 변경하기 어려운 요인(X3)과 10개의 반응 변수(Y1-Y10)입니다. 반응은 훈련된 감각 패널(8~11명의 평가자)을 통해 측정됩니다. 각 평가자는 전체 플롯(=일)당 3개의 샘플을 평가할 수 있습니다. 평가자는 구조화되지 않은 선 척도(0 = 최저 강도, 100 = 최고 강도)를 사용하여 정의된 속성(=반응)의 강도를 평가합니다.
저는 27가지 처리 방법을 사용하여 맞춤형 분할 플롯 RSM 설계를 만들었습니다. 각 평가자는 27개 치료법을 모두 평가합니다(따라서 각 치료법은 보다 정확한 결과를 얻기 위해 두 번 이상 평가됩니다). 모델을 맞추기 위해 처리 이름을 샘플로 지정하고 이를 모델에서 무작위 효과로 사용했습니다(따라서 8~10개의 데이터 포인트(다른 평가자에 의한 샘플 평가)가 있는 27개의 샘플이 있으며 총 224개의 실행이 있습니다).
내 모델을 다음과 같이 장착했습니다.
적합모델(
Y( :Y1 ),
효과( :X1, :X2, :X3, :X4, :X5 ),
무작위 효과( :전체 플롯, :샘플, :Assessor),
경계 없음( 1 ),
성격( "표준 최소 제곱" ),
방법( "REML" ),
강조( "최소보고" )
);
처음으로 디자인한거라 디자인과 모델이 맞는지 잘 모르겠습니다. 모델을 올바르게 설정했습니까? 그리고 언급한 대로 모델에 적합할 만큼 정규 분포가 충분히 충족됩니까?
오류가 있거나 개선을 위한 제안 사항이 있나요?
제 설계 및 설계 평가(pdf 파일)와 제 데이터(jmp 파일)를 첨부했습니다.
당신의 도움을 주셔서 감사합니다!
우와. 이것은 상당히 복잡한 예입니다. 나는 당신이 데이터를 어떻게 모델링했는지에 아무런 문제가 없다고 볼 수 없습니다.
귀하의 응답은 0과 100으로 제한되기 때문에 엄밀히 말하면 귀하의 질문에서 제안한 것처럼 정규 분포로 모델링해서는 안됩니다. 정규 분포는 값이 음의 무한대에서 양의 무한대까지 모든 값을 가질 수 있다고 가정합니다. 실제로 정규 분포를 따르지 않는 많은 응답을 유용하게 모델링할 수 있습니다. 정규 분포는 종종 충분한 근사치입니다. 귀하의 경우 응답이 대부분 해당 범위 내에서 잘 분포되어 있다는 점을 감안할 때 정규 분포는 여전히 유용한 모델입니다. 그러나 모델에서 예측이 0보다 작거나 100을 초과하는 경우 적합 모델의 응답 변수에 대한 LogitPct 변환을 사용하여 이 문제를 해결할 수 있습니다. 이는 일반적으로 % 척도인 응답에 사용됩니다(예: %yield) . 그러나 나는 이것이 당신의 경우에 큰 차이를 만들 것이라고 생각하지 않습니다.
