こんにちは、コミュニティの皆さん
製品を特定の高さから落下させ、その後その性能をテストして合格/不合格の回答を得た実験のデータ セットを受け取りました。
デバイスには 6 つの異なる構成があり、各構成ごとに 16 個のサンプルがありました。96 個のサンプルはすべてランダムな順序で落下テストされました。
各構成で何度も繰り返した主な理由は、基本構成の故障率が約 1/10 であることがわかっており、比較するためにすべての構成で故障するデバイスを確実に確認したいという希望があったためです。たとえば、各構成で 3 回だけ繰り返しただけであれば、故障はまったく見られなかったか、ごくわずかしか見られず、おそらく何も学べなかったでしょう。
私の質問は、これをどのようにモデル化するのが最善かということです。
- ロジスティック モデルで 96 の合格/不合格結果すべてを名目応答として使用すると、構成 A のすべての行のモデル効果値が同じになり、構成 B のすべての行のモデル効果値も同じになるなど、16 のグループ内でモデル効果値が同一になります (各グループ内では、応答は当然異なります。合格するものもあれば、不合格のものもあります)。これは許容範囲でしょうか。入力変数がグループ内でこれほど均一になるようなモデルは、これまで試したことがありません。
- 6 つの構成のそれぞれについて失敗率 (失敗数を 16 で割った値) を計算し、それを標準最小二乗モデルの連続応答として使用すると、サンプル サイズが小さい (6) ため、非常に質の低いモデルになります。また、その設定が実際に実験で行われたこと (96 回の独立した実行) を反映しているかどうかもわかりません。
誰かが助けてくれるといいですね!
敬具、
モーテン
モデルまたは分析を選択する前に実験を実行することは賢明ではないことを最初に言います。 データはあなたが知りたいことをサポートしていないかもしれません。 分析とモデルは最後ではなく最初に来ます。
あなたを満足させるかもしれないバイナリ応答の分析にはいくつかのタイプがあります。 ロジスティック回帰モデル、ロジットリンク関数を使用した二項一般化線形モデル、またはプロビット分析を使用できます。 これらの分析はすべて、同じ線形予測子を使用します。
