L'arrière-plan
J'ai récemment mené une étude pilote avec 5 échantillons d'aliments différents qui ont varié « amidon », « sucre » et « sel » comme facteurs continus.Chacun des 5 échantillons d'aliments a été goûté par 150 panélistes chacun, qui ont accepté ou rejeté l'échantillon.Le pourcentage de panélistes qui rejettent est ce que je voudrais modéliser en fonction de mes trois facteurs continus.
Mon étude pilote a donné des informations intéressantes qui correspondent à ce que j'attendais, mais comme je n'avais que 5 échantillons différents, ma modélisation s'est limitée à l'utilisation des termes "Sugar" et "Sugar*Sugar".J'ai utilisé un modèle GLM --> Normal --> Logit, car je sais qu'il y a une courbure et je veux que ma sortie soit limitée à 0 - 1 puisqu'il s'agit d'un pourcentage.J'ai joint ma table de données avec le GLM enregistré ("Pilot Data SSS-Prej_Sugar Logit Model").Elle repose sur une approche Mark Bailey avait recommandé dans un post précédent pour les données de proportion.
Prochaines étapes
Mes prochaines étapes consistent à tester davantage d'échantillons d'aliments qui ont des niveaux variés d'« amidon », de « sucre » et de « sel » afin que je puisse produire un résultat exact et précis. multivarié modèle (au lieu des seuls termes "Sugar" et "Sugar*Sugar") pour estimer le pourcentage de panélistes rejetant.Je voudrais capturer à la fois les effets principaux et les effets croisés.Pour cela, j'ai utilisé la plateforme DOE --> Custom Design et défini les paramètres suivants :
Réponses : Pourcentage de rejet, objectif de minimiser, limite inférieure = 0, limite supérieure = 1
Les facteurs: "Amidon" (38 - 55), "Sucre" (15 - 36), "Sel" (23 - 50) comme facteurs faciles continus, puis j'ai utilisé le RSM pour obtenir des termes croisés.J'ai supprimé certains termes de sorte que j'ai eu 1 interception, les 3 effets principaux et 4 termes croisés.
Répliques : 5
Points centraux : 0
Nombre de courses : 40 (on a le budget pour ça)
Blocs aléatoires : 8
La conception/le tableau est joint en tant que "Exemple de conception personnalisée SSS-Prej"
Mes questions
1. Une fois que j'ai exécuté mes expériences et obtenu mes données, j'ai à nouveau la possibilité d'essayer différents modèles.Pour récapituler, mon objectif est de pouvoir prédire comment mes trois facteurs influenceraient la proportion de rejeteurs, et potentiellement de trouver des minima et des maxima pour la proportion de rejeteurs.Je m'attends à ce qu'il y ait une courbure dans au moins deux des termes ("sucre" et "sel").Y a-t-il des problèmes avec GLM --> Normal --> Logit ?
2. La raison pour laquelle je pose la question est que je suivais un exercice du livre "JMP Start Statistics" en utilisant l'ensemble de données "Reactor 20 Custom" pour une expérience de dépistage (pour examiner le pourcentage de réaction), mais l'exercice utilisait le "Standard Moindres carrés" + Approche de dépistage des effets même si la sortie (pourcentage de réaction) est théoriquement contrainte de 0 à 1. Cette page décrit cet exercice comme un devoir à la maison.
3. En pratique, je ne peux pas suivre exactement les niveaux de conception personnalisés, mais j'ai une bibliothèque d'échantillons parmi lesquels je peux choisir qui ont différents niveaux de "amidon", "sucre" "sel" pour les tests.Il s'avère que "Sugar" et "Salt" sont également modérément colinéaires (je n'ai pas beaucoup de contrôle sur cela) .Voir le tableau suivant ("Exemples de candidats pour le modèle SSS-Prej").Dois-je m'inquiéter de la qualité de mon DOE et de mon approche compte tenu des préoccupations ci-dessus ?
Merci pour toute aide que vous pouvez fournir.
En fait concernant Les facteurs: "Amidon" (38 - 55), "Sucre" (15 - 36), "Sel" (23 - 50), je n'ai supprimé aucun terme donc c'est juste la surface de réponse complète.J'aurais édité mon message précédent mais je ne vois pas cette capacité.
Vous connaissez le total des réponses. De plus, vous connaissez le nombre d'"acceptés" et de "rejetés". Vous pouvez donc utiliser la régression logistique binaire ou GLM avec une distribution binaire et la fonction de lien logit.
Ce n'est pas grave si vous ne pouvez pas suivre exactement le traitement. Par exemple, s'il appelle Sugar = 15 et qu'il est connu pour être 17, enregistrez les réponses et mettez à jour le paramètre de facteur pour cette exécution. De cette façon, la régression aura tous les niveaux corrects.
