DSD 偶数次効果の推定と統計的有意性こんにちは、コミュニティの皆さん
私は最終的なスクリーニング設計には慣れておらず、最近入手したデータを理解しようとしています。 6 つの因子があり、そのうちの 1 つはカテゴリ変数であり、応答は 2 つありました。
18 回の DSD を実行しましたが、アクティブであると特定された因子は 3 つだけでした。偶数次効果を決定する第 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 因子交互作用が特定されました。
他の応答の偶数次効果推定には、統計的に有意な 2 因子交互作用と 2 次因子のみが含まれていました。
私は遺伝と階層原理を読んできましたが、統計的に有意ではない交互作用と二次効果の一部が依然として一方の応答のモデルに含まれ、もう一方の応答では含まれていない理由を特定できません。
ご協力をよろしくお願いいたします。
私が言及している適合決定的スクリーニング設計のスクリーンショットを含めてみました。
実験計画法ウィンドウズRe: DSD の偶数次効果の推定と統計的有意性@マークベイリー
技術担当者に連絡したところ、ステージ 2 の選択プロセスを理解するのに役立ちました。
ステージ 2 の RMSE は、ステージ 1 の RMSE よりも大きかった。
効果は後で判断に基づいて手動で削除できます。
本から: JMP® 13 実験計画法ガイド
"ステージ 2 では、ガイド付きサブセット選択手順を使用します。目標は、ステージ 2 の RMSE とステージ 1 の RMSE の比が指定されたしきい値よりも大きい限り、二次効果をモデルに追加し続けることです。 . 比率がしきい値以下の場合、モデルに追加する追加の二次効果がないことを示します。デフォルトのしきい値は 1 です. しきい値が小さいほど、しきい値が大きい場合と比較して、アクティブとして識別される可能性が高い用語の数が増加します。"
Re: DSD の偶数次効果の推定と統計的有意性わかった。 彼らに連絡して調べさせてください。 お手伝いありがとう。
Re: DSD の偶数次効果の推定と統計的有意性JMP テクニカル サポートに連絡する必要があると思います ( support@jmp.com ) この問題について。 回答と回避策がある場合は、ここに返信してください。
Re: DSD の偶数次効果の推定と統計的有意性A のモデルを作成することを選択した場合、これらは推奨されるモデル効果です。
Re: DSD の偶数次効果の推定と統計的有意性例 A で [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?
Re: DSD の偶数次効果の推定と統計的有意性説明ありがとうございます、混乱をお詫びします。
私の質問は、p 値が 0.05 より大きい (有意性の強い証拠がない) にもかかわらず、応答の 1 つ (左の A) がステージ 2 のすべての可能な二次相互作用を示すのはなぜですか?
Re: DSD の偶数次効果の推定と統計的有意性@マークベイリー
はい、6つの要素がありました。 適合決定的スクリーニングを実行すると、3 つの因子のみが表示されます。 それらは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 を超えているにもかかわらず、応答の 1 つがステージ 2 のすべての可能な二次相互作用を示しているのはなぜですか (有意性の強い証拠はありません)。
Re: DSD の偶数次効果の推定と統計的有意性あなたの説明では、DSD で 6 つの要因について言及していますが、Fit Definitive Screening では 3 つの要因しか示されていません。
Re: DSD の偶数次効果の推定と統計的有意性あなたの質問や混乱に 100% 確信があるわけではありませんが、Fit DSD 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 の開発者は、「段階」と呼ばれるこの特定のタイプの設計を分析する際のベスト 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、比較的低い p 値を持つ効果のみを報告します。 ここでの考え方は、調査対象のシステムで発生する効果階層のプロパティを尊重することです。 これは一般的に DOE の中心的な概念であり、DSD の考え方と分析の鍵となります。 次に、第 2 段階で、第 1 段階の「有意な」効果を含むすべての偶数次効果と 2 次効果が含まれるようにモデルを適合させます。 この段階では、効果遺伝の概念が尊重されます。 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」では、ステージ 1 と 2 のすべてのフィッティング効果を結合モデルに結合します...そこから、そのモデルを後続の「作業」に使用できます...何を選択してもかまいません。 たぶん、順次追加の実験を通知しますか？ または大胆な場合の予測。
私はおそらく 1 つか 2 つまたは 3 つのポイントを逃したので、他の人がチャイムを鳴らすことができるでしょうか?
お役に立てれば？
