Zufälliger vs. fester Blockierungsfaktor im DOEHallo alle,
Ich versuche, ein benutzerdefiniertes DOE-Experiment einzurichten, bei dem ich 4 kontinuierliche Faktoren mit 1 Antwort auswerte. Ich habe ein Limit von 30 Läufen und interessiere mich für Haupteffekte (später möchte ich, wenn möglich, auch Zwei-Wege-Interaktionen durchführen). Ich habe diesen Lauf eingerichtet, aber da diese 30 Läufe auf zwei Imaging-Plattformen aufgeteilt werden müssen, verwende ich eine Blockierung von zwei mit jeweils 15 Läufen. Ich habe es mit einem festen Blockierungsfaktor versucht, der eine hohe Leistung und niedrige Varianzwerte für das Modell ergibt. Für mich ist es jedoch sinnvoll, einen zufälligen Blockierungsfaktor zu verwenden, da dadurch mehr Freiheitsgrade frei werden und auch aus physikalischer Sicht sollten die beiden Plattformen sehr ähnlich und nur zwei zufällige aus einer Population vieler solcher Plattformen sein.
Wenn ich diesen Entwurf jedoch computerisiere (ich verwende den D-optimalen Entwurf), erhalte ich für alle Terme gute Trennschärfewerte, mit Ausnahme des Achsenabschnitts, der eine ganze Größenordnung niedriger ist. Gleichzeitig springt die durchschnittliche Varianz von etwa 0,1 auf 0,7 vom festen zum zufälligen Blockieren.
Könnte mir jemand den Grund dafür nennen und möglicherweise, wie ich diese Probleme umgehen kann? Ich bin immer davon ausgegangen, dass zufälliges Blockieren mehr Möglichkeiten zur Schätzung von Effekten bietet (insbesondere von Haupteffekten).
Danke
VersuchsplanungBetreff: Zufälliger vs. fester Blockierungsfaktor in DOEHallo Mark und Statman,
Vielen Dank für die Eingabe. Ich bin der Meinung, dass meine Plattformen (die keine Imager sind, sondern ein Verbrauchsteil, über das die Tests stattfinden) als Zufallseffekte festgelegt werden sollten, da es viel mehr davon geben wird und es theoretisch keine signifikanten Unterschiede zwischen ihnen geben sollte, die sein müssten kategorisiert.
Die Hauptfrage war, warum ich bei zufälligen Blöcken im Vergleich zu festen Blöcken einen solchen Unterschied in der durchschnittlichen Varianz und der geringen Abfangleistung feststellte. Im Allgemeinen würde „Fixed“ mehr Unbekannte ergeben, aber in meinem Fall sollten sie meines Erachtens gleich sein, da ich nur zwei sehr große Blöcke mit jeweils 15 Läufen habe. Wenn ich mich richtig erinnere, fügen Sie für die feste Größe k-1 Unbekannte für k Blöcke hinzu, und für die feste Größe ist die einzige hinzugefügte Unbekannte die Varianz zwischen Blöcken. Die Farbkarten beider Designs sehen auch genau gleich aus, sodass keine zusätzliche Korrelation zwischen Faktoren hätte auftreten dürfen, oder?
Jede Hilfe dabei wäre dankbar.
Betreff: Zufälliger vs. fester Blockierungsfaktor in DOEZunächst einmal willkommen in der Community.
Ich werde meine Gedanken vielleicht aus einer anderen Perspektive teilen:
1. Wie Daten analysiert werden sollten und welche Tools Sie für die Analyse verwenden, hängt davon ab, wie die Daten erfasst wurden. (Eigentlich geht es darum, welche Fragen Sie beantworten können, welche Schlussfolgerungen Sie ziehen können und Ihr Vertrauen in die Extrapolation der Ergebnisse hängt davon ab, wie die Daten erfasst wurden.)
2. Während über die angemessene „Bezeichnung“ von Blöcken diskutiert werden kann, können diese Blöcke als feste Effekte behandelt werden, wenn man genau zuweisen kann, welche Faktoren mit den Blöcken verwechselt werden, und wie Mark vorschlägt, diese „Stufen“ reproduziert werden können. Ich würde darüber diskutieren, ob die zufällige Einnahme dieser Effekte (oder die Behandlung als zufällige Effekte) den Inferenzraum vergrößert, anstatt sie gezielt auf „Fett-Ebenen“ zu manipulieren. Ich persönlich denke, dass die Wahrscheinlichkeit größer ist, dass man einen größeren Inferenzraum erhält, wenn man die Blöcke gezielt manipuliert.
3. Die Behandlung der Blöcke als einen festen Effekt hat den großen Vorteil, dass man Block-für-Faktor-Wechselwirkungen (im Wesentlichen Rausch-für-Faktor-Wechselwirkungen) quantifizieren kann. Dies ist möglicherweise die beste Methode, um die Robustheit Ihrer Designstruktur zu quantifizieren. Sind die Auswirkungen Ihrer Designfaktoren bei sich ändernden Geräuschen konsistent?
4. Interessanterweise hat das Blockieren den zusätzlichen Vorteil, dass es gleichzeitig den Inferenzraum vergrößert und die Präzision des Designs erhöht (wie von Box definiert). Dies liegt daran, dass der innere Block auf die Faktoreffekte ausgerichtet ist (das Rauschen wird innerhalb des Blocks konstant gehalten) und dann das Rauschen zwischen den Blöcken geändert wird, damit es zugeordnet werden kann.
„Blockieren Sie, was Sie können, und randomisieren Sie, was Sie nicht können“ GEP Kasten
Blockieren Sie, was Sie während der Durchführung des Experiments identifizieren und verwalten können, und randomisieren Sie das Rauschen, das nicht identifiziert wurde oder während der Dauer des Experiments nicht verwaltet werden kann.
Betreff: Zufälliger vs. fester Blockierungsfaktor in DOEOb ein Effekt als fest oder zufällig behandelt wird, ist normalerweise keine Frage von DF oder Stärke, sondern davon, wie Sie die Variation sehen. Wenn es sich um ein reproduzierbares Niveau handelt und nur die Niveaus von Interesse sind, dann behandeln Sie es als festen Effekt. Wenn es sich bei den Werten um eine Stichprobe aus einer größeren Grundgesamtheit handelt und Sie nicht wirklich an diesen beiden bestimmten Werten, sondern an der Variation innerhalb der Grundgesamtheit interessiert sind, dann behandeln Sie dies als Zufallseffekt.
Wie sehen Sie also die beiden Bildgeber? Sind das die einzigen beiden Geräte? Werden sie auf absehbare Zeit die einzigen beiden Geräte sein? Behandeln Sie die Blöcke dann als festen Effekt. Werden die beiden Bildgeber aus einem großen und sich ständig ändernden Pool ausgewählt? Behandeln Sie sie dann als zufälligen Effekt.
