명목 응답을 사용한 요인 선별 실험 설계?안녕하세요 여러분,
일반적인 연속 응답 대신 명목(예/아니오, 합격/불합격 응답 유형)인 응답에 가장 큰 영향을 미치는 요인을 찾기 위해 일련의 실험을 설계하는 좋은 전략이 있는지 궁금합니다. 명목 응답의 경우 사용 가능한 데이터에 대해 로지스틱 회귀를 수행할 수 있지만 일반적인 요인/부분 요인 설계가 이 경우에도 여전히 작동하는지 의심됩니다(계속 응답을 의미하기 때문에). 이 경우 적절한 접근 방식은 무엇입니까? 생각나는 것이 있으면 관련 용어/이론을 알려주세요.
미리 감사드립니다.
암사슴Re: 명목 응답을 사용한 요인 선별 실험 설계?명목상의 응답이 실험 설계의 건전한 관행을 발견에 대한 불건전한 경로로 배제하거나 렌더링하는 데 선험적 이유가 전혀 없습니다. 건전한 DOE 방법의 모든 원칙이 여전히 적용됩니다. JMP 선임 시스템 엔지니어(현재 은퇴)로서 저는 DOE를 제품 설계 노력의 핵심으로 사용하는 수많은 소비자 제품 회사에 전화를 걸었습니다. 매우 자주 그들은 제품 평가자의 감각 패널을 사용하고 이 패널에 앉아 있는 개인은 거의 보편적으로 실행된 특정 실험 설계에 대한 명목형 응답 데이터를 제공합니다. 실제로 당면한 특정 문제에 따라 Choice, Max Dif 또는 Covering Array와 같이 JMP에서 지원하는 명목 응답을 가정하는 보다 전문화된 설계 중 하나를 찾을 수 있습니다. 그러나 d-최적 설계와 같은 좋은 구식 부분 요인 또는 보다 현대적인 설계가 선별 목적으로 사용되거나 사용되어서는 안 될 이유가 없습니다.
Re: 명목 응답을 사용한 요인 선별 실험 설계?커뮤니티에 오신 것을 환영합니다. 명목상의 응답을 갖는 것은 몇 가지 특정한 문제를 수반한다는 것이 옳았고 피트의 조언이 옳았습니다. 이러한 문제 중 하나는 응답이 여러 실패 메커니즘의 결과일 수 있다는 것입니다. 이러한 메커니즘(다른 인과 구조를 가질 수 있음)을 분리하는 데에는 차별이 없습니다.
물론 독립 변수와 종속 반응 변수 간의 잠재적 인과 관계를 더 잘 이해하기 위해 실험을 사용할 수 있습니다. 이것은 응답 변수에 관계없이 사실입니다. 이제 실험은 명목 응답에 대해 자원 효율적이지 않을 수 있지만 그럼에도 불구하고 효과적일 것입니다. 나의 첫 번째 조언은 "현상"(반응)을 수량화하는 방법을 고려하는 것입니다. 예 또는 합격이라는 응답은 무엇을 의미합니까? 무엇을 통과? 예를 들어 Box 박사는 그의 논문 중 하나("The Scientific Context of Quality Improvement")에서 균열된 스프링에 대한 실험을 설명합니다. 그는 응답으로 % good을 사용하고 스프링 성능을 개선하는 방법을 발견할 수 있었습니다. 현상을 정량화하는 다른 방법이 있습니까? 제안된 대로 "선함"의 등급이나 범주를 감지할 수 있다면 서수 척도를 사용할 수 있습니다. Taguchi 박사와의 토론에서 그는 항상 적절한 응답 변수를 개발하는 것의 중요성을 강조했습니다. 많은 경우 당면한 문제에 대한 통찰력을 제공하기 위해 새로운 응답 변수를 생성하는 경우가 많습니다.
어쨌든 명목상 응답만 있다고 가정해 보겠습니다. 현재 어떤 유형의 실패율이 존재합니까? 실패율이 높으면(아마도 >10%), 실험을 통해 그 비율의 변화를 상당히 쉽게 감지할 수 있을 것입니다. 실패율이 낮으면(<5%) 차이를 감지하기 위해 표본 크기가 커야 할 수 있으므로 실험이 비효율적일 수 있습니다. 또한 응답의 특성을 감안할 때 디자인 공간이 넓은지 확인하십시오(많은 잠재적 요인이 굵은 수준으로 설정됨).
