Estimación de efectos de orden par DSD y significancia estadísticahola comunidad
Soy nuevo en el diseño de cribado definitivo y estoy tratando de entender los datos que obtuve recientemente. Tenía 6 factores, uno de los cuales era una variable categórica y dos respuestas.
Hice un DSD de 18 ejecuciones que solo identificó 3 factores para estar activos. La segunda etapa para determinar los efectos de orden par identificó todas las posibles interacciones de 2 factores para ser incluidas en el modelo para una de las respuestas, aunque solo el intercepto fue significativo.
Las estimaciones del efecto de orden par para la otra respuesta solo incluyeron interacciones de 2 factores estadísticamente significativas y factores cuadráticos.
He estado leyendo los principios de herencia y jerárquicos, pero aún no puedo identificar la razón por la cual algunas de las interacciones estadísticamente insignificantes y los efectos cuadráticos aún se incluyen en el modelo para una respuesta y no para la otra.
Cualquier ayuda será apreciada.
He tratado de incluir una captura de pantalla del diseño de cribado definitivo al que me refiero.
GAMAventanasRe: Estimación de efectos de orden par DSD y significancia estadísticaNo estoy 100% seguro de su pregunta o confusión, pero intentaré explicar cuál es el pensamiento detrás del enfoque por etapas para construir un modelo con la plataforma Fit DSD. Los desarrolladores de JMP han construido un flujo de trabajo que se considera una mejor práctica al analizar este tipo específico de diseño que sigue lo que se denomina "etapas". La etapa uno se ajusta a un modelo de solo efectos principales que incluye TODOS los efectos principales, pero solo informa los efectos con valores de p relativamente bajos. La idea aquí es respetar la propiedad de la jerarquía de efectos encontrada en los sistemas bajo estudio. Este es un concepto central en el DOE en general... que es clave para el pensamiento y el análisis de DSD. Luego, la etapa dos ajusta un modelo para incluir todos los efectos cuadráticos y de orden par que incluyen los efectos 'significativos' de la etapa uno. Esta etapa respeta la noción de efecto herencia. Todo eso se informa en la etapa 2. La 'etapa' final combina todos los efectos ajustados de la etapa 1 y 2 en un modelo combinado... desde allí puede usar ese modelo para el 'trabajo' posterior... lo que elija. ¿Quizás informar la experimentación secuencial adicional? O predicción si es tan audaz.
¿Espero que esto ayude?
Re: Estimación de efectos de orden par DSD y significación estadísticaSu explicación menciona 6 factores en el DSD, pero Fit Definitive Screening muestra solo 3 factores.
Re: Estimación de efectos de orden par DSD y significación estadística@MarkBailley
Sí, tenía seis factores. Al ejecutar el tamizaje definitivo apto, solo aparecen 3 factores. Supongo que esos son los que tienen los valores de p más bajos.
Mi pregunta es, ¿por qué una de las respuestas muestra todas las posibles interacciones de segundo orden para la etapa 2 a pesar de que sus valores de p son mayores que 0,05 (no hay pruebas sólidas de significancia).
Re: Estimación de efectos de orden par DSD y significancia estadísticaGracias por la explicación y disculpa la confusión.
Mi pregunta era, ¿por qué una de las respuestas (la de la izquierda, A) muestra todas las posibles interacciones de segundo orden para la etapa 2 a pesar de que sus valores de p son mayores que 0,05 (sin pruebas sólidas de significación)?
Re: Estimación de efectos de orden par DSD y significancia estadística¿Qué ve en el cuadro de diálogo de inicio Ajustar modelo cuando hace clic en el botón Crear modelo en el ejemplo A?
