DSD偶数次効果の推定と統計的有意性こんにちは、コミュニティ、
私は決定的なスクリーニングデザインに不慣れであり、最近取得したデータに頭を悩ませようとしています。 私には6つの要因があり、そのうちの1つはカテゴリ変数であり、2つの応答がありました。
私は18ランのDSDを実行しましたが、アクティブであると特定されたのは3つの要因だけでした。 偶数次効果を決定するための第2段階では、切片のみが有意であったとしても、応答の1つのモデルに含まれる可能性のあるすべての2要素交互作用を特定しました。
他の応答の偶数次効果の推定には、統計的に有意な2要素の交互作用と2次要素のみが含まれていました。
私は遺伝と階層の原則を読んでいますが、それでも、統計的に重要でない交互作用と2次効果の一部が、一方の応答のモデルに含まれ、もう一方の応答には含まれない理由を特定できません。
どんな助けでも大歓迎です。
私が参照しているフィットの決定的なスクリーニングデザインのスクリーンショットを含めようとしました。
DOEウィンドウズRe：DSD偶数次効果の推定と統計的有意性私はあなたの質問や混乱を100％確信していませんが、FitDSDプラットフォームでモデルを構築するための段階的アプローチの背後にある考え方を説明しようと思います。 JMP開発者は、「ステージ」と呼ばれるものに従うこの特定のタイプの設計を分析するときにベストプラクティスと見なされるワークフローを構築しました。 ステージ1は、すべての主効果を含む主効果のみのモデルに適合しますが、p値が比較的低い効果のみを報告します。 ここでの考え方は、調査中のシステムで遭遇する効果階層の特性を尊重することです。 これは、一般的にDOEのコアコンセプトです...これは、DSDの考え方と分析の鍵です。 次に、ステージ2をモデルに適合させて、ステージ1の「重要な」効果を含むすべての偶数次および2次効果を含めます。 この段階は、効果遺伝の概念を尊重します。 これらはすべてステージ2で報告されます。 最後の「ステージ」は、ステージ1と2のすべてのフィット効果を組み合わせたモデルにまとめます...そこから、そのモデルを後続の「作業」に使用できます...選択したものは何でも。 たぶん、順次追加の実験を通知しますか？ または、大胆な場合は予測。
お役に立てれば？
Re：DSD偶数次効果の推定と統計的有意性あなたの説明はDSDの6つの要素に言及していますが、FitDefinitiveScreeningは3つの要素しか示していません。
Re：DSD偶数次効果の推定と統計的有意性@Markbailley
はい、6つの要因がありました。 適合決定的スクリーニングを実行すると、3つの要因のみが表示されます。 これらはp値が最も低いものだと思います。
私の質問は、p値が0.05より大きいにもかかわらず、応答の1つがステージ2のすべての可能な2次交互作用を示すのはなぜですか（有意性の強力な証拠はありません）。
Re：DSD偶数次効果の推定と統計的有意性ご説明とご迷惑をおかけしましたことをお詫び申し上げます。
私の質問は、応答の1つ（左側のA）が、p値が0.05より大きい（有意性の強力な証拠がない）にもかかわらず、ステージ2で考えられるすべての2次交互作用を示すのはなぜですか？
Re：DSD偶数次効果の推定と統計的有意性例Aの[モデルの作成]ボタンをクリックすると、[モデルの適合]起動ダイアログに何が表示されますか？
