Stima degli effetti di ordine pari DSD e significatività statisticaCiao comunità,
Sono nuovo alla progettazione dello screening definitivo e sto cercando di comprendere i dati che ho ricevuto di recente. Avevo 6 fattori, uno dei quali era una variabile categoriale, e due risposte.
Ho eseguito un DSD di 18 corse che ha identificato solo 3 fattori da attivare. La seconda fase per determinare gli effetti di ordine pari ha identificato tutte le possibili interazioni a 2 fattori da includere nel modello per una delle risposte, anche se solo l'intercetta era significativa.
Le stime dell'effetto di ordine pari per l'altra risposta includevano solo interazioni a 2 fattori statisticamente significative e fattori quadratici.
Ho letto l'ereditarietà e i principi gerarchici, ma non sono ancora in grado di identificare il motivo per cui alcune delle interazioni statisticamente insignificanti e degli effetti quadratici sono ancora inclusi nel modello per una risposta e non per l'altra.
Qualsiasi aiuto sarà molto apprezzato.
Ho provato a includere uno screenshot del progetto di screening definitivo di adattamento a cui mi riferisco.
Progettazione di esperimentifinestreRi: Stima degli effetti di ordine pari DSD e significatività statistica@Mark_Bailey
Ho contattato il tecnico e mi hanno aiutato a capire il processo di selezione della fase 2.
L'RMSE per la fase 2 era maggiore di quello per la fase 1.
Gli effetti possono essere successivamente rimossi manualmente in base al giudizio.
Dal libro: JMP® 13 Design of Experiments Guide
" La fase 2 utilizza una procedura di selezione guidata dei sottoinsiemi.L'obiettivo è continuare ad aggiungere effetti di secondo ordine al modello fintanto che il rapporto tra RMSE dalla fase 2 e RMSE dalla fase 1 è maggiore della soglia specificata . Quando il rapporto è inferiore o uguale alla soglia, ciò indica che non ci sono ulteriori effetti di secondo ordine da aggiungere al modello.La soglia predefinita è 1 . Soglie più piccole aumentano il numero di termini che potrebbero essere identificati come attivi rispetto a soglie più grandi"
Ri: Stima degli effetti di ordine pari DSD e significatività statisticaVa bene. Lascia che li contatti e scoprilo. Grazie per l'aiuto.
Ri: Stima degli effetti di ordine pari DSD e significatività statisticaPenso che dovresti contattare il supporto tecnico di JMP ( support@jmp.com ) su questo problema. Si prega di rispondere qui se hanno una risposta e una soluzione alternativa.
Ri: Stima degli effetti di ordine pari DSD e significatività statisticaQuando scelgo di creare il modello per A, questi sono gli effetti del modello suggeriti.
Ri: Stima degli effetti di ordine pari DSD e significatività statisticaCosa vedi nella finestra di dialogo di avvio del modello di adattamento quando fai clic sul pulsante Crea modello nell'esempio A?
Ri: Stima degli effetti di ordine pari DSD e significatività statisticaGrazie per la spiegazione e mi scuso per la confusione.
La mia domanda era: perché una delle risposte (quella a sinistra, A) mostra tutte le possibili interazioni di secondo ordine per la fase 2 anche se i loro valori p sono maggiori di 0,05 (nessuna forte evidenza di significatività)?
Ri: Stima degli effetti di ordine pari DSD e significatività statistica@Markbailley
Sì, avevo sei fattori. Durante l'esecuzione dello screening definitivo dell'idoneità, vengono visualizzati solo 3 fattori. Suppongo che quelli siano quelli con i valori p più bassi.
La mia domanda è: perché una delle risposte mostra tutte le possibili interazioni di secondo ordine per la fase 2 anche se i loro valori p sono maggiori di 0,05 (nessuna forte evidenza di significatività).
Ri: Stima degli effetti di ordine pari DSD e significatività statisticaLa tua spiegazione cita 6 fattori nel DSD ma lo Screening Definitivo Fit mostra solo 3 fattori.
Ri: Stima degli effetti di ordine pari DSD e significatività statisticaNon sono sicuro al 100% della tua domanda o confusione, ma cercherò di spiegare qual è il pensiero alla base dell'approccio graduale alla costruzione di un modello con la piattaforma Fit DSD. Gli sviluppatori di JMP hanno creato un flusso di lavoro che è considerato una best practice quando si analizza questo specifico tipo di progettazione che segue le cosiddette "fasi". La fase uno si adatta a un modello di soli effetti principali che include TUTTI gli effetti principali, ma riporta solo gli effetti con valori p relativamente bassi. L'idea qui è di rispettare la proprietà della gerarchia degli effetti riscontrata nei sistemi studiati. Questo è un concetto fondamentale nel DOE in generale... che è la chiave per il pensiero e l'analisi del DSD. Quindi la seconda fase adatta un modello per includere tutti gli effetti di ordine pari e quadratici che includono gli effetti "significativi" della prima fase. Questa fase rispetta la nozione di effetto ereditarietà. Questi sono tutti riportati nella fase 2. La "fase" finale combina tutti gli effetti adattati dalla fase 1 e 2 in un modello combinato... da lì puoi usare quel modello per il successivo "lavoro"... qualunque cosa tu scelga. Forse informare una sperimentazione aggiuntiva sequenziale? O previsione se così audace.
Probabilmente ho perso un punto o due o tre, quindi forse altri possono intervenire?
Spero che questo ti aiuti?
