Schätzung der DSD-Effekte geradzahliger Ordnung und statistische SignifikanzHallo Gemeinde,
Ich bin neu im definitiven Screening-Design und versuche, mich mit den Daten zurechtzufinden, die ich kürzlich erhalten habe. Ich hatte 6 Faktoren, von denen einer eine kategoriale Variable war, und zwei Antworten.
Ich habe einen DSD mit 18 Durchläufen durchgeführt, bei dem nur 3 Faktoren als aktiv identifiziert wurden. Die zweite Stufe zur Bestimmung der Effekte gerader Ordnung identifizierte alle möglichen 2-Faktor-Wechselwirkungen, die in das Modell für eine der Antworten aufgenommen werden sollten, obwohl nur der Schnittpunkt signifikant war.
Die Effektschätzer gerader Ordnung für die andere Antwort berücksichtigten nur statistisch signifikante 2-Faktor-Wechselwirkungen und quadratische Faktoren.
Ich habe mir die Vererbungs- und hierarchischen Prinzipien durchgelesen, bin aber immer noch nicht in der Lage, den Grund zu identifizieren, warum einige der statistisch unbedeutenden Wechselwirkungen und quadratischen Effekte immer noch im Modell für eine Reaktion enthalten sind und nicht für die andere.
Jede Hilfe wird sehr geschätzt.
Ich habe versucht, einen Screenshot des definitiven Screening-Designs beizufügen, auf das ich mich beziehe.
DAMHIRSCHKUHWindowsBetreff: DSD-Effektschätzung geradzahliger Ordnung und statistische SignifikanzIch bin mir Ihrer Frage oder Verwirrung nicht 100 % sicher, aber ich werde versuchen zu erklären, was hinter dem stufenweisen Ansatz zum Erstellen eines Modells mit der Fit DSD-Plattform steckt. JMP-Entwickler haben einen Arbeitsablauf entwickelt, der als Best Practice bei der Analyse dieser speziellen Art von Design gilt und den sogenannten „Phasen“ folgt. Stufe eins passt zu einem Modell nur für Haupteffekte, das ALLE Haupteffekte enthält, berichtet aber nur die Effekte mit relativ niedrigen p-Werten. Die Idee hier ist, die Eigenschaft der Wirkungshierarchie zu respektieren, die in untersuchten Systemen angetroffen wird. Dies ist ein Kernkonzept von DOE im Allgemeinen ... das ist der Schlüssel zum Denken und Analysieren von DSD. Dann passt Stufe zwei ein Modell an, um alle geraden Ordnungs- und quadratischen Effekte einzubeziehen, die die „signifikanten“ Effekte aus Stufe eins enthalten. Dieses Stadium respektiert den Begriff der Effektvererbung. Diese werden alle in Phase 2 gemeldet. Die letzte „Stufe“ kombiniert alle angepassten Effekte aus Stufe 1 und 2 zu einem kombinierten Modell … von dort aus können Sie dieses Modell für nachfolgende „Arbeiten“ verwenden … was auch immer Sie wählen. Vielleicht informieren sequentielle zusätzliche Experimente? Oder Vorhersage, wenn so fett.
Hoffe das hilft?
Betreff: DSD-Effektschätzung geradzahliger Ordnung und statistische SignifikanzIhre Erklärung erwähnt 6 Faktoren im DSD, aber das Fit Definitive Screening zeigt nur 3 Faktoren.
Betreff: DSD-Effektschätzung geradzahliger Ordnung und statistische Signifikanz@Markbailley
Ja, ich hatte sechs Faktoren. Beim Durchführen des definitiven Fit-Screenings werden nur 3 Faktoren angezeigt. Ich nehme an, das sind diejenigen mit den niedrigsten p-Werten.
Meine Frage ist, warum zeigt eine der Antworten alle möglichen Wechselwirkungen zweiter Ordnung für Stufe 2, obwohl ihre p-Werte größer als 0,05 sind (kein starker Beweis für Signifikanz).
Betreff: DSD-Effektschätzung geradzahliger Ordnung und statistische SignifikanzDanke für die Erklärung und Entschuldigung für die Verwirrung.
Meine Frage war, warum zeigt eine der Antworten (die linke, A) alle möglichen Wechselwirkungen zweiter Ordnung für Stufe 2, obwohl ihre p-Werte größer als 0,05 sind (kein starker Beweis für Signifikanz)?
Betreff: DSD-Effektschätzung geradzahliger Ordnung und statistische SignifikanzWas sehen Sie im Startdialog Modell anpassen, wenn Sie in Beispiel A auf die Schaltfläche Modell erstellen klicken?
