名目応答を伴う実験の因子スクリーニング計画？こんにちは、みんな、
通常の連続応答ではなく、名目上の（はい/いいえ、合格/不合格タイプの応答）応答に最も影響を与える要因を見つけるための一連の実験を設計するための優れた戦略があるかどうか疑問に思いました。 名目応答の場合、利用可能なデータに対してロジスティック回帰を実行できますが、この場合でも通常の因子/分数因子計画が機能するかどうかは疑問です（連続応答を目的としているため）。 この場合、適切なアプローチは何でしょうか？ 何か頭に浮かんだら、関連する用語/理論を教えてください。
前もって感謝します。
DOERe：名目応答を用いた実験の因子スクリーニング計画？名目上の応答が実験計画の健全な実践を発見への不健全な道として排除またはレンダリングするという先験的な理由はまったくありません。 健全なDOEメソッドのすべての原則が引き続き適用されます。 JMPのシニアシステムエンジニア（現在は退職）として、私は製品設計の取り組みの生命線としてDOEを使用している多くの消費財企業に呼びかけました。 非常に多くの場合、彼らは製品評価者の感覚パネルを使用し、ほとんどの場合、これらのパネルに座っている個人は、実行された特定の実験計画の名目型応答データを提供します。 実際、目前の特定の問題によっては、Choice、Max Dif、Covering Arraysなど、JMPでサポートされている公称応答を想定したより特殊な設計の1つが見つかる場合があります。 しかし、古き良きフラクショナル階乗またはd-optimalデザインなどのより現代的なデザインをスクリーニング目的で使用できない、または使用すべきではない理由はありません。
Re：名目応答を用いた実験の因子スクリーニング計画？コミュニティへようこそ。 あなたは、名目上の反応を持つことはいくつかの特定の課題を抱えているということは正しいです、そしてピートのアドバイスは正しいです。 これらの課題の1つは、応答が複数の障害メカニズムの結果である可能性があることです。 それらのメカニズム（異なる因果構造を持っているかもしれない）を分離することは差別を欠いています。
もちろん、実験を使用して、独立変数と従属応答変数の間の潜在的な因果関係をよりよく理解することができます。 これは、応答変数に関係なく当てはまります。 さて、実験は名目上の応答に対してあまりリソース効率が良くないかもしれませんが、それでもそれは効果的です。 私の最初のアドバイスは、「現象」（応答）を定量化する方法を検討することです。 はいまたは合格の応答はどういう意味ですか？ 何を渡しますか？ 例として、Dr。Boxは、彼の論文の1つ（「品質改善の科学的背景」）で、ひびの入ったばねに関する実験について説明しています。 彼は％goodを応答として使用し、春のパフォーマンスを改善する方法を見つけることができました。 現象を定量化する別の方法はありますか？ 提案されているように、「良さ」のグラデーションまたはカテゴリを検出できる場合は、順序尺度を使用できる可能性があります。 田口博士との話し合いの中で、彼は常に適切な応答変数を開発することの重要性を強調しました...多くの場合、目前の問題への洞察を提供するために新しい応答変数を作成します。
いずれにせよ、名目上の応答しかないと仮定しましょう。 現在、どのような種類の故障率が存在しますか？ 故障率が高い場合（おそらく> 10％）、実験によってその率の変化をかなり簡単に検出できるはずです。 失敗率が低い（<5％）場合、差異を検出するために大きなサンプルサイズが必要になる可能性があるため、実験は非効率的である可能性があります。 また、応答の性質を考慮して、設計スペースが大きいことを確認してください（多くの潜在的な要因が太字のレベルで設定されています）。
