Estimation des effets d'ordre pair DSD et signification statistiqueSalut la communauté,
Je suis nouveau dans la conception de dépistage définitif et j'essaie de comprendre les données que j'ai récemment obtenues. J'avais 6 facteurs, dont un était une variable catégorielle, et deux réponses.
J'ai fait un DSD de 18 cycles qui n'a identifié que 3 facteurs actifs. La deuxième étape pour déterminer les effets d'ordre pair a identifié toutes les interactions possibles à 2 facteurs à inclure dans le modèle pour l'une des réponses, même si seule l'ordonnée à l'origine était significative.
Les estimations de l'effet d'ordre pair pour l'autre réponse ne comprenaient que des interactions à 2 facteurs statistiquement significatives et des facteurs quadratiques.
J'ai lu les principes d'hérédité et de hiérarchie, mais je ne suis toujours pas en mesure d'identifier la raison pour laquelle certaines des interactions statistiquement insignifiantes et des effets quadratiques sont toujours inclus dans le modèle pour une réponse et pas pour l'autre.
Toute aide sera fortement appréciée.
J'ai essayé d'inclure une capture d'écran de la conception de dépistage définitive à laquelle je fais référence.
BICHEles fenêtresObjet : Estimation des effets d'ordre pair DSD et signification statistiqueJe ne suis pas sûr à 100 % de votre question ou de votre confusion, mais je vais essayer d'expliquer quelle est la pensée derrière l'approche par étapes de la construction d'un modèle avec la plate-forme Fit DSD. Les développeurs JMP ont construit un workflow qui est considéré comme une bonne pratique lors de l'analyse de ce type spécifique de conception qui suit ce que l'on appelle des "étapes". La première étape correspond à un modèle d'effets principaux uniquement comprenant TOUS les effets principaux, mais ne signale que les effets avec des valeurs p relativement faibles. L'idée ici est de respecter la propriété de hiérarchie des effets rencontrée dans les systèmes étudiés. C'est un concept de base dans le DOE en général... c'est la clé de la réflexion et de l'analyse du DSD. Ensuite, la deuxième étape adapte un modèle pour inclure tous les effets d'ordre pair et quadratiques qui incluent les effets « significatifs » de la première étape. Cette étape respecte la notion d'hérédité des effets. Ceux-ci sont tous signalés à l'étape 2. La "phase" finale combine tous les effets ajustés des phases 1 et 2 dans un modèle combiné... à partir de là, vous pouvez utiliser ce modèle pour un "travail" ultérieur... tout ce que vous choisissez. Peut-être informer une expérimentation supplémentaire séquentielle ? Ou une prédiction si audacieuse.
J'espère que cela t'aides?
Objet : Estimation des effets d'ordre pair DSD et signification statistiqueVotre explication mentionne 6 facteurs dans le DSD mais le Fit Definitive Screening ne montre que 3 facteurs.
Objet : Estimation des effets d'ordre pair DSD et signification statistique@Markbailley
Oui, j'avais six facteurs. Lors de l'exécution du dépistage définitif de l'ajustement, seuls 3 facteurs apparaissent. Je suppose que ce sont ceux qui ont les valeurs p les plus basses.
Ma question est la suivante: pourquoi l'une des réponses montre-t-elle toutes les interactions possibles de second ordre pour l'étape 2 même si leurs valeurs p sont supérieures à 0,05 (aucune preuve solide de signification).
Objet : Estimation des effets d'ordre pair DSD et signification statistiqueMerci pour l'explication et excuses pour la confusion.
Ma question était la suivante: pourquoi l'une des réponses (celle de gauche, A) montre-t-elle toutes les interactions possibles de second ordre pour l'étape 2 même si leurs valeurs p sont supérieures à 0,05 (aucune preuve solide de signification)?
Objet : Estimation des effets d'ordre pair DSD et signification statistiqueQue voyez-vous dans la boîte de dialogue de lancement Fit Model lorsque vous cliquez sur le bouton Make Model dans l'exemple A ?
