Estimation des effets d’ordre pair du DSD et signification statistiqueSalut la communauté,
Je suis nouveau dans la conception du dépistage définitif et j'essaie de comprendre les données que j'ai obtenues récemment. J'avais 6 facteurs, dont un était une variable catégorielle, et deux réponses.
J'ai fait un DSD de 18 analyses qui n'a identifié que 3 facteurs actifs. La deuxième étape visant à 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 n’incluaient que les interactions à 2 facteurs statistiquement significatives et les 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 est la bienvenue.
J'ai essayé d'inclure une capture d'écran de la conception de dépistage définitive adaptée à laquelle je fais référence.
Conception d'expériencesles fenêtresObjet : Estimation des effets d'ordre pair DSD et signification statistique@Mark_Bailey
J'ai contacté le service technique et ils m'ont aidé à comprendre le processus de sélection de l'étape 2.
La RMSE du stade 2 était supérieure à celle du stade 1.
Les effets peuvent ensuite être supprimés manuellement en fonction du jugement.
Extrait du livre : JMP® 13 Design of Experiments Guide
" L'étape 2 utilise une procédure guidée de sélection de sous-ensembles.L'objectif est de continuer à ajouter des effets de second ordre au modèle tant que le rapport de la RMSE de l'étape 2 à la RMSE de l'étape 1 est supérieur au seuil spécifié . Lorsque le rapport est inférieur ou égal au seuil, cela indique qu'il n'y a pas d'effets supplémentaires de second ordre à ajouter au modèle.Le seuil par défaut est 1 . Des seuils plus petits augmentent le nombre de termes susceptibles d'être identifiés comme actifs par rapport à des seuils plus grands"
Objet : Estimation des effets d'ordre pair DSD et signification statistiqueD'accord. Permettez-moi de les contacter et de découvrir. Merci pour l'aide.
Objet : Estimation des effets d'ordre pair DSD et signification statistiqueJe pense que vous devriez contacter le support technique de JMP ( support@jmp.com ) à propos de cette question. Veuillez répondre ici s'ils ont une réponse et une solution de contournement.
Objet : Estimation des effets d'ordre pair DSD et signification statistiqueLorsque je choisis de créer le modèle pour A, ce sont les effets de modèle suggérés.
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 ?
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 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 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 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'ai probablement raté un ou deux ou trois points, alors peut-être que d'autres peuvent intervenir ?
J'espère que cela t'aides?
