DOFパート2が少なすぎる全て、
DOFが少なすぎるという前回のスレッドからの以前の提案を考慮に入れました。 として@statman指摘されたように、私は十分なDOFを持たない要因と相互作用からの影響を見ようとしていました。
その後、方法論を変更し、最初にスクリーニング配列（私の場合はL16）を使用して、どの因子と双方向の交互作用が重要であるかを確認し、次に小さな配列に移動して交互作用と因子を分析する必要があることを発見しました。より多くのレベル（私の場合、L16の2レベルではなく3レベル）。
DOFを計算するための私の考え方
1.自由度はアレイ自体に固有のものであり、特定の治療で完了する試行回数ではありません。 たとえば、L16アレイがあり、治療ごとに3回の試行を完了した場合、DOFの合計は47ではなく15になります。
2.AのDOF=1、BのDOF = 1、CのDOF = 1、DのDOF = 1; AxBのDOF=1、AxCのDOF = 1、BxCのDOF = 1、BxDのDOF = 1、AxDのDOF = 1、CxDのDOF = 1-> DOF_total = 15、すべての因子と相互作用のDOF_sum = 10 、DOF_error = 5
私の計算によると、少なくとも5つの追加の自由度が必要なようです。 ただし、実験計画でFit Modelを実行し、効果テストを確認すると、DOFが少なすぎるというエラーメッセージが表示されます。 なぜこうなった？
SASコースを完了するための最後のスレッドでPeteの提案を見ました。提案に感謝しますが、少し時間に追われており、現時点ではコースに30時間を費やす時間がありません。 しかし、私は間違いなく夏の間このコースを調べます。
参考までに私のファイルを添付します。
よろしくお願いします！
DOERe：DOFパート2が少なすぎる私は偏見があることを認めなければなりません。 なぜL16を実行しているのかわかりませんか？ 16回の治療で2つのレベルに4つの階乗があります...これは完全な階乗（2 ^ 4）です。 その設計では、推定できるモデル効果は次のとおりです。
A + B + C + D + AB + AC + AD + BC + BD + CD + ABC + ABD + ACD + BCD + ABCD
さて、多くの人は、MSEを推定するために高次の項をプールすることを提案します。
設計空間全体のランダムエラーの偏りのない推定値を取得したい場合は、レプリケートを実行する必要があります。
デザインに関しては問題があります。 パターン列を見てください。最後の列は交互になっています-、+ですが、D列はそうではありません。 これをどのように作成したかはわかりませんが、このデザインを実行しないでください。 修正したデザインを添付しました。
Re：DOFパート2が少なすぎるやあ@statman 。
スクリーニング配列としてL16を選択しました。これは、どの主な要因と交互作用が重要であるかを確認し、すべてのレベル（L16の2つのレベルではなく、新しい設計では3つ）の別の設計でそれらの要因と交互作用をテストすることを目的としています。
最後の列で交互になっていないパターンの観点からあなたが何を意味しているのかわかります。
この設計が選択された理由は、この相互作用テーブルのように、いくつかの列を「空白」のままにして、主な要因と相互作用を混同しないようにするためです。 https://support.minitab.com/en-us/minitab/18/help-and-how-to/modeling-statistics/doe/supporting-topics/taguchi-designs/interactions-and-interaction-tables/
私の理解では、双方向の相互作用で主な要因を混乱させないように、特定の列を空白のままにする必要があります。 これは間違っていますか？ 代わりに、最初の4列をコピーして、残りをすべて空白のままにする必要がありますか？ もしそうなら、この場合に交絡がないことをどのように保証できますか？
これは私のフィットモデル/効果テストを捨てているので、主な要因の効果しか見ることができませんか？
ありがとうございました！
Re：DOFパート2が少なすぎる申し訳ありませんが、何を言えばいいのかわかりません。 実験についての基本的な理解が必要だと思います。 有益かもしれないいくつかのJMPオンラインツールとウェビナーがあります。 これを軽蔑の表れと見なさないでください。 あなたは自分の分野にかなり精通していると確信しています。
次の解説は無視してかまいません。
私は決して方法論を軽蔑したくはありません。特に田口博士に触発され、彼から多くのことを学びました。 エイリアシングを決定するための相互作用プロットのL配列とそれに続く「必要性」について説明します...まあ、デザインとそれに続くエイリアシングを作成する他の方法があるとだけ言っておきましょう。 そうは言っても、タグチが教えてくれた最も重要な2つの教訓は次のとおりです。応答変数を熱心に検討し、2。理解し、ノイズに対してロバストになることに焦点を当てます。
L16と同じ数の処理での4つの要素のフル解像度設計であるデータテーブルを送信しました。 効果のエイリアシングはありません。 ただし、モデルのノイズやロバスト性を理解するための戦略もありません。
Re：DOFパート2が少なすぎるタグチデザインはその場所を持っています。 それらはDOEの特別なアプリケーションまたは方法です。 インタラクションがゼロの場合に最適に機能します。 これらはモデリングをサポートすることを目的としていません。 それらは、「勝者を選ぶ」ことが最も重要であり、選ぶ人が最も単純な基準を必要とする状況のために考案されました。
状況がスクリーニング実験の場合に当てはまる場合（以下の主要な原則を参照）、L16の代わりに最終的なスクリーニング設計を検討することができます。
- 効果の希薄性：多くの要因とそれらの要因の多くの潜在的な影響（線形、非線形、相互作用）がありますが、アクティブなのはごくわずかです
- 効果の階層：効果の大きさまたは寄与は、用語の順序とともに減少します。 一次項が最も寄与し、二次項がより少なく寄与し、以下同様に続きます。 オーダー3以上の条件は、通常、存在しないか無視できるものであり、無視されます。 これは原則であり、法律ではありませんが、多くの場合当てはまります。
- 効果の遺伝：相互作用と非線形効果は、一般に重要な一次効果を持つ要因を含みます。 この原則は、実験計画法とデータ分析の両方をガイドするためによく使用されます。 これは原則であり、法律ではありませんが、多くの場合当てはまります。
- 射影：効果の希薄性の原則は、疑わしいすべての要因の設計が、アクティブな要因のアクティブな効果のデータを収集するために必要なものよりもはるかに大きいことを意味します。 モデル選択のプロセスでは、通常、設計の完全なモデルがはるかに小さいものに縮小されますが、設計は変更されていないため、実行回数と処理回数の両方で大量のデータがあります。 計画行列は、より小さなモデル行列に「投影」されます。
これらの原則は、実験を設計および分析して要因をスクリーニングするすべての方法の中心にあります。
