如何在確定的篩選設計中處理重複和失敗的運行嗨社區，我無法對從 DSD 獲得的一些數據進行建模。 這是一個包含 10 個因素的篩選。 我們用 3 個塊（操作員）運行它，我包括了最大數量的額外運行（8）。 這給了我一個 31 次運行的表。 我們做了一些初步的測距實驗，為所有因素設定合理的界限。 不幸的是，我們仍然有 4 次運行反應完全失敗，所以我沒有價值作為回應。
我的第一個問題是應該如何處理這些失敗的運行？ 理想情況下，我認為它們應該被排除在外，我仍然會有 27 次運行確實提供數據。 但是，如果我將它們從表中排除並嘗試運行 Fit Definitive Screening 腳本，則不會發生任何事情。 沒有錯誤消息，但窗口只是沒有打開。 我的回答是“完成時間”，目的是盡量減少這種反應，我可以輸入一個代表比實驗持續時間更長的時間的大量數字，但這似乎是任意的。 該腳本將運行。
我的第二個問題是我是否可以包括重複運行以對模型更有信心？ 我們對每個運行條件運行 8 次重複。 但是，如果我複制並粘貼一個運行並嘗試運行該腳本，則再次沒有任何反應。 現在我只是取 8 次運行的平均值並使用它，但我想知道以某種方式包含各個值是否會更好，如果是這樣，有沒有辦法使用 Fit Definitive Screening 腳本來做到這一點？
我可以使用標準的擬合模型模塊來解決這兩個問題，但似乎我會錯過 DSD 的好處。 感謝您的任何回复！ 我在 JMP 15.2 上。 如果張貼表格會有所幫助，我很樂意這樣做。
美國能源部回复：如何在確定的篩選設計中處理重複和失敗的運行首先，我沒有查看您的數據，所以我無法複製您描述的故障模式......但我認為您不走運。 要獲得 DSD 的功能，您確實需要獲得每種治療組合的所有響應。 這是適合確定性篩選腳本規定的兩階段分析的非常經濟且信息豐富的設計。 這是我的一般建議，我再次沒有查看您的數據。 但我至少會嘗試一下……您也許可以回到您從 DSD 分析工作流程中得出的相同結論。
您需要使用擬合模型平台。 包括所有復制“原樣”。 也可能......這些點之間的變化可能會有有用的信息......無論是統計的還是實際的。 由於 DSD 分析工作流程假定效果稀疏性以實現 DSD 方法的好處...我首先擬合一個僅主要效果的模型，然後查看哪些效果是活躍的。 希望缺失的治療組合不會對發現這些積極的主要影響造成太大傷害。 一旦你得到了那些活躍的主效應，現在用這些活躍的主效應和所有可能的兩個因素相互作用來擬合一個模型，包括那些主效應項。 適合那個模型......看看它告訴你什麼。
這兩個步驟的方法在概念上模仿了 Fit Definitive Screening 分析平台的作用……有點。 我認為這種方法可能會讓你接近？
我有興趣看看其他人，例如@markbailey或者@statman可能會想？
回复：如何在確定的篩選設計中處理重複和失敗的運行我的想法：
1. 響應變量：你能衡量“完成時間”以外的東西嗎？ 例如，完成“x”時間後的完成百分比或化學反應......換句話說，以其他方式衡量現象。
2. 這是考慮到最優性的任何 DOE 戰略的一個問題。 他們更容易受到丟失/丟失/非典型數據的影響。
3.如何替換缺失的數據（這方面有一些想法，但是缺失的數據越多越沒用）？
- 使用數據集的平均值
- 使用預測數據（希望這些預測是先驗的
- 回歸您擁有的數據並使用模型來預測缺失的數據（使用擬合模型平台）
- 執行上述所有操作並比較結果....如果他們有點同意，您對結果分析更有信心，如果不是，那麼您必須決定您學到了什麼以及下一次迭代應該是什麼。
4. “我們對每個運行條件運行了 8 次重複”這句話讓我有點困惑。 複製還是重複？ 他們是獨立治療嗎？ 如果它們真的是複製品並且所有 8 個複製品都沒有反應（4 次），你學到了什麼？
回复：如何在確定的篩選設計中處理重複和失敗的運行我想驗證 Fit Definitive Screening 確實不是如果您有缺失值或從最終篩選設計中刪除或排除運行，則可以使用。 專業分析取決於折疊結構在形成用於分析的模型矩陣時的設計矩陣。 （請注意，您可以將擬合確定性篩選與任何折疊設計！）
我想知道是否可以用非常大的完成時間來替換運行的缺失值而不做出反應？ 這個重新編碼是一個數字技巧。 您只是希望在某些運行基本上花費無限時間的情況下繼續進行分析，但用有限的數字表示。 例如，如果反應時間從 5 分鐘到 2 小時不等，那麼您可以使用 1000 到 100000 的值而不是缺失值。 那樣有用嗎？ 我正試圖盡可能多地回收你的實驗。
額外的運行真的可以復制嗎？ 也就是說，它們不僅僅是單次運行的重複測量。 我懷疑完成時間要求它們是真正的複製品 - 只是檢查。 如果是這樣，那麼我肯定會包括單個重複，而不是它們的平均值。 但是，一個相反的論點是，您可以估計均值和標準差，並對它們進行建模，以找到同時給您最小平均時間和最小時間變化的條件。
我最後的評論是，Fit Definitive Screening 是一個很棒的專業工具。 這實際上是關於模型選擇，僅此而已。 您還有許多其他工具可用於選擇最佳線性模型。
回复：如何在確定的篩選設計中處理重複和失敗的運行你好@markbailey , @statman , @P_Bartell ,
謝謝你的想法！ 我已附上我的數據表，因此您可以復制我所看到的內容，如果這有幫助的話。 現在，“時間”列中沒有值的單元格是失敗的運行。 如果沒有值，Fit Definitive Screen 腳本將不會運行。 如果我排除這些行/運行，腳本仍然不會運行。 如果我分配隨機值，它將運行。 我知道最好不要排除任何運行，這會損害模型，但由於我在生成表格時添加了 8 個額外的運行，我希望失去 4 個失敗可能仍然有效。 我很驚訝腳本甚至不會嘗試！ 我已經開始嘗試這種方法@P_Bartell建議，我也有問題，但這可能應該是另一個線程，我想先花更多時間在上面。 要回答出現的其他一些問題：
- 是的，我可以嘗試使用與“完成時間”不同的指標。 我能想到的唯一一個是“實驗剩餘時間”，並嘗試最大化該值（失敗的運行為零）。 這是一種生化反應，產生的信號應該會隨著時間的推移而增加，直到達到最大值。 在失敗的運行中，沒有產生任何信號，所以我沒有任何其他價值可以使用。
- 我嘗試為失敗的運行分配值，例如大於實驗持續時間的數字，或者只是非常大的數字（近似於無限時間，因為它從未工作過），這些似乎真的扭曲了模型並使所有其他數據點影響較小。
- 澄清一下，我的複制確實是運行條件的重複，而不僅僅是同一運行的多次測量。 所以我們總共運行了 31*8 = 248 個反應。 這些反應自然有一些可變性，因此重複很重要。 當前表中的值是 8 次運行的平均值。 我認為在模型中包含每次運行的數據會有一些價值，但如果我嘗試向表中添加額外的運行，Fit Definitive Screening 腳本將不會運行。
- 解決“我從失敗中學到了什麼”：如果我查看失敗的運行，4 個中有 3 個具有低 Mg 和高 Log2X1 的組合。 預計這會對反應不利，我曾考慮設置一個約束以使這種組合無法使用，但 DSD 不允許。 如果我做了一個自定義 DOE，我會做出這個約束。 （儘管在某些情況下 Low Mg 和 High Log2X1 確實有效，因此這不能保證失敗）。
現在，我將嘗試通過排除失敗的運行（包括單個重複數據）而不使用 Fit Definitive Screening 腳本來對這些數據進行建模。
回复：如何在確定的篩選設計中處理重複和失敗的運行快速提問：時間的變化有多大的科學意義（或實際意義）？
回复：如何在確定的篩選設計中處理重複和失敗的運行任何大於 5 分鐘的時間都會引起關注。 對於我們對 3 個塊/操作員的“中點”分析，它在 16、25 和 25 分鐘內完成（這本身有點擔心一個操作員在某種程度上要快得多）。
其中許多情況比這要糟糕得多，但我們希望找出可以幫助我們改善這一時機的因素。
回复：如何在確定的篩選設計中處理重複和失敗的運行我按塊運行了一些分析（擬合模型），並將塊作為固定效果。 附數據表。 分析使用的是飽和模型，並未減少。 是的，塊效應可能非常具有挑戰性......導致很多問題。
回复：如何在確定的篩選設計中處理重複和失敗的運行謝謝@statman ！ 我對 DOE 建模相當陌生，因此試圖找到自己的方式來處理您編寫的模型，但專注於使用帶有塊的整個數據集作為固定效果，並且似乎包括複製數據會有所幫助。 各個塊模型之間的差異當然令人擔憂。 感謝大家的幫助。
回复：如何在確定的篩選設計中處理重複和失敗的運行你好@statman ，根據我們對系統的了解，您提供的模型（包括所有數據和塊作為效果）是有意義的。 我一直在嘗試重新創建您的模型，但遇到了困難，特別是我不確定您如何確定查看因子子集（pH、Mg、Log2X2、Log25X3）的次要相互作用和二次效應，它們提供我們預期的漂亮曲率。
我已經嘗試過的策略@P_Bartell上面提到的 - 篩選主要影響，然後將那些與所有可能的因素組合交叉。 我還嘗試過以幾種不同的方式使用逐步線性回歸。 但是沒有什麼比你提供的更能預測我了，我只想知道你是怎麼做到的。 對您的思維過程的任何見解將不勝感激！ 或者，如果我應該閱讀特定的幫助頁面，請告訴我。
回复：如何在確定的篩選設計中處理重複和失敗的運行在分析 DOE 數據時，我的思考過程是從飽和模型開始。 這被稱為減法模型構建的方法（與逐步的加法方法相比）。 飽和模型是指分配了所有自由度。 在您的情況下，我將塊視為固定效應並包括逐個因素的交互。 在分析結果時，首先考慮每個因素（模型項）有什麼實際影響，然後看統計顯著性。 刪除無關緊要的項目，然後重新運行簡化模型並分析殘差。 我不知道對你的數據集有什麼實際意義，所以我無法減少模型。
