Fattore di blocco casuale vs fisso in DOECiao a tutti,
Sto cercando di impostare un esperimento DOE personalizzato in cui sto valutando 4 fattori continui con 1 risposta. Ho un limite di 30 corse e sono interessato agli effetti principali (in seguito vorrei fare anche interazioni a due vie, se possibile). Ho impostato questa corsa, ma poiché queste 30 corse devono essere suddivise su due piattaforme di imaging, utilizzo un blocco di due con 15 corse per. Ho provato con un fattore di blocco fisso che produce valori di potenza elevata e bassi valori di varianza per il modello. Tuttavia, per me ha senso usare un fattore di blocco casuale perché libererà più gradi di libertà e anche da un punto di vista fisico le due piattaforme dovrebbero essere molto simili e solo due casuali su una popolazione di molte piattaforme di questo tipo.
Tuttavia, quando computero questo progetto (sto usando il design D-optimal) ottengo buoni valori di potenza per tutti i termini tranne l'intercetta che è un intero ordine di grandezza inferiore. Allo stesso tempo, la varianza media salta da circa 0,1 a 0,7 da blocco fisso a blocco casuale.
Qualcuno potrebbe indicarmi il motivo di questo e possibilmente come aggirare questi problemi. Ho sempre pensato che il blocco casuale dia più potere per stimare gli effetti (soprattutto gli effetti principali).
Grazie
DOERe: Fattore di blocco casuale vs fisso in DOESe trattare un effetto come fisso o casuale di solito non è una questione di DF o potenza, ma come vedi la variazione. Se è un livello riproducibile, se i livelli sono gli unici di interesse, trattalo come un effetto fisso. Se i livelli sono un campione di una popolazione più ampia, se non sei veramente interessato a questi due livelli particolari, ma alla variazione nella popolazione, allora consideralo come un effetto casuale.
Allora come vedi i due imager? Sono gli unici due dispositivi? Saranno gli unici due dispositivi per il prossimo futuro? Quindi tratta i blocchi come un effetto fisso. I due imager sono selezionati da un pool ampio e in continua evoluzione? Quindi trattali come un effetto casuale.
Re: Fattore di blocco casuale vs fisso in DOEInnanzitutto, benvenuto nella comunità.
Condividerò i miei pensieri forse con una prospettiva diversa:
1. La modalità di analisi dei dati e gli strumenti utilizzati per l'analisi dipendono dalla modalità di acquisizione dei dati. (in realtà questo si estende a quali domande puoi rispondere, quali conclusioni puoi trarre e la tua fiducia nell'estrapolare i risultati è una funzione di come sono stati acquisiti i dati)
2. Mentre l'appropriata "designazione" dei blocchi può essere discussa, se puoi assegnare specificamente quali fattori sono confusi con i blocchi e, come suggerisce Mark, quei "livelli" possono essere riprodotti, quei blocchi possono essere trattati come effetti fissi. Discuterei se prenderli in modo casuale (o trattarli come effetti casuali) aumenti lo spazio di inferenza rispetto a manipolarli in modo specifico a "livelli in grassetto". Personalmente penso che tu abbia una maggiore probabilità di avere uno spazio di inferenza più ampio manipolando specificamente i blocchi.
3. Trattare i blocchi come un effetto fisso ha l'enorme vantaggio di poter quantificare le interazioni blocco per fattore (essenzialmente interazioni rumore per fattore), che è forse il metodo migliore per quantificare la robustezza della struttura del progetto. Gli effetti dei fattori di progettazione sono coerenti sul cambiamento del rumore?
4. È interessante notare che il blocco ha l'ulteriore vantaggio di aumentare contemporaneamente lo spazio di inferenza e aumentare la precisione del progetto (come definito da Box). Questo perché il blocco interno è influenzato dagli effetti del fattore (il rumore viene mantenuto costante all'interno del blocco) e quindi il rumore viene modificato tra i blocchi in modo che possa essere assegnato.
"Blocca ciò che puoi, randomizza ciò che non puoi" GEP Scatola
Blocca ciò che puoi identificare e gestire durante l'esecuzione dell'esperimento, randomizzare per il rumore che non è stato identificato o non può essere gestito per tutta la durata dell'esperimento.
Re: Fattore di blocco casuale vs fisso in DOECiao Mark e Statman,
Grazie per l'input. Credo che le mie piattaforme (che non sono imager ma una parte consumabile su cui avviene il test) dovrebbero essere impostate come effetti casuali poiché ce ne saranno molte di più e in teoria non dovrebbero esserci differenze significative su di esse che devono essere classificato.
La domanda principale era perché stavo ottenendo una tale differenza nella varianza media e nella bassa potenza di intercettazione con blocchi casuali rispetto a fissi. In generale, il fix darebbe più incognite, ma nel mio caso dovrebbero essere gli stessi credo poiché ho solo due blocchi molto grandi di 15 piste ciascuno. Per i fissi se non ricordo male si aggiungono k-1 incognite per k blocchi e per i fissi l'unica incognita aggiunta è la varianza tra i blocchi. Anche le mappe dei colori di entrambi i modelli hanno lo stesso aspetto, quindi non si sarebbe dovuta verificare una correlazione aggiuntiva tra i fattori?
Qualsiasi aiuto con questo sarebbe apprezzato.
