如何在明確的篩選設計中處理重複和失敗的運行大家好，我在對從 DSD 獲得的一些數據進行建模時遇到問題。 這是一個包含 10 個因素的篩選。 我們使用 3 個塊（運算符）運行此程序，並且我包含了額外運行的最大數量 (8)。 這給了我一個包含 31 次運行的表。 我們做了一些初步的範圍尋找實驗，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，所以我沒有任何價值可以作為響應。
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，而且我仍然有 27 次運行確實提供了數據。 但是，如果我將它們從表中排除並嘗試運行 Fit Definitive Screening 腳本，則不會發生任何情況。 沒有錯誤消息，但窗口就是打不開。 我的回答是“完成時間”，目的是最大限度地減少這種響應，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？ 我們對每種運行條件進行了 8 次重複。 但是，如果我複制並粘貼運行並嘗試運行腳本，同樣什麼也不會發生。 現在我只是取 8 次運行的平均值並使用它，但我想知道是否最好以某種方式包含各個值，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 Fit Model 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！ 我使用的是 JMP 15.2。 如果發布表格會有幫助，我很樂意這樣做。
數據混合和清理實驗設計回复：如何在明確的篩選設計中處理重複和失敗的運行我的榮幸。 實驗設計是一個巨大的話題，有很多“方面”。 使這個問題進一步複雜化的是，沒有一種“正確的方法”。 有些會更有效率，有些會更有效。 我發現我必須首先了解情況，我想要回答什麼問題，我想要深入了解什麼假設，我需要估計什麼模型效果。 我設計了多個選項/計劃，思考每個選項可能獲得哪些知識（我實際上預測了每個可能的結果），並根據資源需求進行權衡。 認識到我會迭代，那麼我需要繼續調查什麼。
我非常幸運能夠向一些最優秀的思想家（Box、Taguchi、McLean、Sanders、Diamond、Bisgaard 等）學習，並有幸參與設計和分析了 1000 個實驗。 回顧過去，許多女巫本可以設計得更好......哈哈
回复：如何在明確的篩選設計中處理重複和失敗的運行我學得越多，就越意識到自己有多少不知道。 感謝您一直以來的指導！
回复：如何在明確的篩選設計中處理重複和失敗的運行將來，我建議在選擇要運行的設計之前了解您想要分離哪些模型效應、您願意混淆哪些模型效應以及您不想在研究中包含哪些模型效應！
您不能使用響應面宏，並且必須確保該塊不是隨機效應。 要創建模型，您需要了解實驗中可用的總自由度和混疊。 （切勿在模型中添加別名項，您將得到奇點錯誤）。 你可以從這裡開始：
https://www.jmp.com/support/help/en/16.2/?os=mac&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/ effective-model-selection-for-dsds.shtml#ww292566
當您在 JMP 中創建設計時，您應該會看到一個箭頭，它是評估設計的腳本，這將提供別名結構。 如果您運行了完整的模塊，您的模型將包含最終篩選設計模型、模塊和所有逐個最終篩選模型效果。
回复：如何在明確的篩選設計中處理重複和失敗的運行謝謝斯塔曼，我想我明白了這個方法。
為了生成我的飽和模型，我從所有因子、所有因子平方和所有交互開始（使用響應曲面宏）。 然後運行標準最小二乘法。 是否可以選擇將區塊視為固定效應？ 目前，結果列出了幾個奇點，這些奇點似乎阻止我獲得任何交互的 p 值。 被困在那裡。 在您的模型中，您擁有所有因素和一些交互作用，但不是全部，這是否意味著您已經以某種方式縮小了模型？ 您怎麼知道要刪除哪些？
回复：如何在明確的篩選設計中處理重複和失敗的運行我在分析 DOE 數據時的思維過程是從飽和模型開始。 這被稱為減法模型構建方法（與逐步式等加法方法相比）。 飽和模型是指所有自由度都已分配的模型。 在你的例子中，我將塊視為固定效應，並包括逐個因素的相互作用。 在分析結果時，首先考慮每個因素（模型項）有什麼實際影響，然後查看統計顯著性。 刪除不重要的項目，然後重新運行簡化模型並分析殘差。 我不知道你的數據集有什麼實際意義，所以我無法縮小模型。
回复：如何在明確的篩選設計中處理重複和失敗的運行你好@statman ，您提供的模型（包括所有數據和塊作為效果）從我們對系統的了解來看是有意義的。 我一直在嘗試重新創建您的模型，但遇到困難，特別是我不確定您如何決定查看子集因子（pH、Mg、Log2X2、Log25X3）的二次相互作用和二次效應，這些因子提供了我們期望的很好的曲率。
我已經嘗試過的策略@P_巴特爾上面提到的 - 篩選主要影響，然後將這些影響與所有可能的因素組合相交叉。 我還嘗試以幾種不同的方式使用逐步線性回歸。 但沒有什麼能像你提供的那樣讓我得到任何預測，我只是想知道你是如何做到這一點的。 任何對您的思維過程的見解將不勝感激！ 或者，如果有我應該閱讀的特定幫助頁面，請告訴我。
回复：如何在明確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，因此嘗試找到自己編寫的模型的方法，但重點關注使用帶有塊的整個數據集作為固定效果，並且包含複製數據似乎有所幫助。 各個模塊模型之間的差異肯定令人擔憂。 感謝大家的幫助。
回复：如何在明確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包括在內。 附上數據表。 分析使用飽和模型並且沒有減少。 是的，塊效應可能非常具有挑戰性......導致很多問題。
回复：如何在明確的篩選設計中處理重複和失敗的運行任何超過 5 分鐘的內容都會引起人們的興趣。 對於我們對 3 個塊/操作員的“中點”測定，它在 16 分鐘、25 分鐘和 25 分鐘內完成（這本身就有點令人擔憂，因為一個操作員不知何故快得多）。
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進時機的因素。
回复：如何在明確的篩選設計中處理重複和失敗的運行快速提問：時間的變化有多少具有科學意義（或實際意義）？
回复：如何在明確的篩選設計中處理重複和失敗的運行你好@馬克貝利, @statman , @P_巴特爾,
謝謝你的想法！ 我已附上我的數據表，以便您可以復制我所看到的內容（如果有幫助的話）。 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，但由於我在生成表時添加了 8 次額外運行，因此我希望因失敗而丟失 4 次可能仍然有效。 我只是驚訝於腳本甚至不會嘗試！ 我開始嘗試以下方法@P_巴特爾建議，我也有問題，但這可能應該是另一個線程，我想首先花更多時間在它上面。 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。 我唯一能想到的是“實驗剩餘時間”，並嘗試最大化該值（對於失敗的運行，該值將為零）。 這是一種生化反應，產生的信號應該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可用的值。
- 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（近似無窮大的時間，因為它從未起作用），這些似乎確實扭曲了模型並使所有其他數據點影響較小。
- 澄清一下，我的重複確實是運行條件的重複，而不僅僅是同一運行的多次測量。 因此，我們總共運行了 31*8 = 248 個反應。 這些反應自然具有一些可變性，因此重複很重要。 表中當前的值是 8 次運行的平均值。 我認為將每次運行的數據包含在模型中會有一些價值，但如果我嘗試向表中添加額外的運行，則“擬合最終篩選”腳本不會運行。
- 解決“我從失敗中學到了什麼”：如果我查看失敗的運行，四分之三的運行具有低 Mg 和高 Log2X1 的組合。 預計這會對反應產生不利影響，我曾考慮設置一個約束，使這種組合無法使用，但 DSD 不允許。 如果我做了一個定制的 DOE，我就會做出這個限制。 （儘管在某些情況下，低 Mg 和高 Log2X1 確實有效，所以這並不是一定會失敗）。
現在，我將嘗試通過排除失敗的運行（包括單個重複數據）來對該數據進行建模，並且不使用“擬合最終篩選”腳本。
回复：如何在明確的篩選設計中處理重複和失敗的運行我想驗證 Fit Definitive Screening 是否有效不是如果您有缺失值或者從最終篩選設計中刪除或排除了運行，則該方法有效。 專業分析取決於折疊結構形成模型矩陣進行分析時的設計矩陣。 （請注意，您可以將 Fit Definitive Screening 與任何折疊設計！）
我想知道是否有可能替換運行的缺失值而不用非常大的完成時間數字做出反應？ 這個重新編碼是一個數字技巧。 您只是希望分析繼續進行，某些運行基本上花費了無限的時間，但用有限的數字表示。 例如，如果反應時間範圍為 5 分鐘到 2 小時，則您可以使用 1000 到 100000 的值而不是缺失值。 那樣有用嗎？ 我正在嘗試盡可能多地回收你的實驗。
額外的運行真的是重複的嗎？ 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重複 - 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。 不過，一個相反的論點是，您可以估計平均值和標準差，並對它們進行建模，以找到同時提供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。 這實際上與模型選擇有關，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：如何在明確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：除了“完成時間”之外，您還能衡量其他指標嗎？ 例如，“x”時間後的完成百分比或化學反應......換句話說，是衡量現象的其他方法。
2. 這是能源部任何考慮到最優性的戰略所關心的問題。 他們更容易丟失/缺失/非典型數據。
3.如何替換缺失的數據（對此有一些想法，但是缺失的數據越多越沒有用處）？
- 使用數據集的平均值
- 使用預測數據（希望這些預測是先驗完成的）
- 對您擁有的數據進行回歸併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......如果它們在某種程度上一致，那麼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. 我對“我們對每個運行條件進行了 8 次重複”這句話感到有點困惑。 重複還是重複？ 他們是獨立的治療嗎？ 如果它們確實是重複，並且所有 8 個重複都沒有反應（4 次），那麼您學到了什麼？
回复：如何在明確的篩選設計中處理重複和失敗的運行首先，我沒有查看你的數據，所以我無法複製你描述的故障模式......但我認為你運氣不好。 要獲得 DSD 的功能，您確實需要了解每種治療組合的所有反應。 這是一種非常經濟且信息豐富的設計，適用於 Fit Definitive Screening 腳本規定的兩階段分析。 這是我的一般建議，我又沒有看過你的數據。 但我至少會嘗試一下……您也許可以得出與 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。 “按原樣”包括所有重複。 或許……這些點之間的變化可能有有用的信息……無論是統計的還是實用的。 由於 DSD 分析工作流程假設效應稀疏性來實現 DSD 方法的優勢...我首先擬合僅主效應模型，然後查看哪些效應處於活動狀態。 希望缺失的治療組合不會對發現這些積極的主要效果造成太大傷害。 一旦獲得了這些活躍的主效應，現在就用這些活躍的主效應和所有可能的兩個因素相互作用（包括那些主效應項）擬合一個模型。 擬合該模型...然後看看它告訴您什麼。
這種兩步方法在概念上模仿了 Fit Definitive Screening 分析平台的作用……有點像。 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@馬克貝利或者@statman可能會想？
回覆：如何在明確的篩選設計中處理重複和失敗的運行嗨@Mark_Bailey
接下來，如何在 DSD 中輸入各個重複項？設計 DOE 表格時，沒有方塊來指示重複次數（例如，在設計經典篩選設計時會出現此方塊）。
謝謝
莎拉
回覆：如何在明確的篩選設計中處理重複和失敗的運行DSD 則沒有相同的選項。如果您想使用 Fit Definitive Screening，則無法複製某些運行。點擊“製作表格”後，您可以複製所有運行，並將副本貼上到原始行下方以複製設計。
回覆：如何在明確的篩選設計中處理重複和失敗的運行嗨@SaraA ，
正如@Mark_Bailey所提到的，您可以透過複製貼上屬於 DSD 的所有行來手動複製完整的設計。
您也可以使用增強設計平台來複製您的 DSD： 複製設計
