DSD 짝수차 효과 추정 및 통계적 유의성안녕하세요, 커뮤니티 여러분,
저는 확정 선별 설계가 처음이고 최근에 얻은 데이터를 살펴보려고 노력하고 있습니다. 나는 6개의 요인을 가지고 있었는데, 그 중 하나는 범주형 변수였고, 2개의 반응이 있었습니다.
나는 18회 DSD를 실행하여 활성화될 요소 3개만 식별했습니다. 짝수차 효과를 결정하기 위한 두 번째 단계에서는 절편만 중요하더라도 응답 중 하나에 대한 모델에 포함할 가능한 모든 2요인 상호 작용을 식별했습니다.
다른 반응에 대한 짝수 효과 추정치에는 통계적으로 유의미한 2요인 상호 작용과 2차 요인만 포함되었습니다.
유전 및 계층적 원리를 읽어 보았지만 통계적으로 중요하지 않은 상호 작용 및 2차 효과 중 일부가 여전히 한 반응에 대한 모델에 포함되고 다른 반응에 대해서는 포함되지 않는 이유를 식별할 수 없습니다.
어떤 도움이라도 대단히 감사하겠습니다.
제가 언급하고 있는 적합성 최종 선별 설계의 스크린샷을 포함하려고 했습니다.
실험 설계윈도우Re: DSD 짝수 차수 효과 추정 및 통계적 유의성@Mark_Bailey
기술팀에 연락했더니 2단계 선택 과정을 이해하는 데 도움이 되었습니다.
2단계의 RMSE는 1단계의 RMSE보다 컸습니다.
효과는 나중에 판단에 따라 수동으로 제거할 수 있습니다.
책에서 발췌: JMP® 13 실험 설계 가이드
" 2단계에서는 안내된 하위 집합 선택 절차를 사용합니다.목표는 2단계의 RMSE 대 1단계의 RMSE 비율이 지정된 임계값보다 큰 한 모델에 2차 효과를 계속 추가하는 것입니다. . 비율이 임계값보다 작거나 같으면 모델에 추가할 추가 2차 효과가 없음을 나타냅니다.기본 임계값은 1입니다. . 더 작은 임계값은 더 큰 임계값에 비해 활성으로 식별될 수 있는 용어의 수를 증가시킵니다."
Re: DSD 짝수 차수 효과 추정 및 통계적 유의성좋아요. 그들에게 연락해서 알아보도록 하겠습니다. 도와 주셔서 감사합니다.
Re: DSD 짝수 차수 효과 추정 및 통계적 유의성JMP 기술 지원팀( support@jmp.com ) 이 문제에 대해. 답변 및 해결 방법이 있는 경우 여기에 회신해 주십시오.
Re: DSD 짝수 차수 효과 추정 및 통계적 유의성내가 A에 대한 모델을 만들기로 선택했을 때 제안된 모델 효과는 다음과 같습니다.
Re: DSD 짝수 차수 효과 추정 및 통계적 유의성예제 A에서 Make Model 버튼을 클릭하면 Fit Model 시작 대화 상자에 무엇이 표시됩니까?
Re: DSD 짝수 차수 효과 추정 및 통계적 유의성설명 감사하고 혼란을 드려 죄송합니다.
내 질문은 응답 중 하나(왼쪽에 있는 A)가 p 값이 0.05보다 크지만(중요성에 대한 강력한 증거가 없음) 2단계에 대해 가능한 모든 2차 상호 작용을 표시하는 이유는 무엇입니까?
Re: DSD 짝수 차수 효과 추정 및 통계적 유의성@Markbailley
예, 저는 6가지 요소를 가지고 있었습니다. 적합한 결정적 스크리닝을 실행하면 3가지 요인만 나타납니다. 나는 그것들이 가장 낮은 p 값을 가진 것이라고 생각합니다.
내 질문은 응답 중 하나가 p 값이 0.05보다 크지만(중요성에 대한 강력한 증거가 없음) 2단계에 대해 가능한 모든 2차 상호 작용을 표시하는 이유입니다.
Re: DSD 짝수 차수 효과 추정 및 통계적 유의성귀하의 설명에는 DSD의 6가지 요소가 언급되어 있지만 Fit Definitive Screening에는 3가지 요소만 표시됩니다.
Re: DSD 짝수 차수 효과 추정 및 통계적 유의성귀하의 질문이나 혼란을 100% 확신할 수는 없지만 Fit DSD 플랫폼으로 모델을 구축하는 단계적 접근 방식 뒤에 있는 생각이 무엇인지 설명하려고 노력할 것입니다. JMP 개발자는 소위 '단계'를 따르는 이 특정 유형의 설계를 분석할 때 모범 사례로 간주되는 워크플로를 구성했습니다. 1단계는 모든 주효과를 포함하는 주효과 전용 모델에 적합하지만 상대적으로 낮은 p 값을 가진 효과만 보고합니다. 여기서 아이디어는 연구 중인 시스템에서 발생하는 효과 계층 구조의 속성을 존중하는 것입니다. 이것은 일반적으로 DOE의 핵심 개념입니다. DSD 사고 및 분석의 핵심입니다. 그런 다음 2단계는 1단계의 '유의한' 효과를 포함하는 모든 짝수 차수 및 2차 효과를 포함하도록 모델에 적합합니다. 이 단계는 효과 유전의 개념을 존중합니다. 그것들은 모두 2단계에서 보고됩니다. 마지막 '단계'는 1단계와 2단계의 모든 맞춤 효과를 결합된 모델로 결합합니다. 거기에서 후속 '작업'에 대해 해당 모델을 사용할 수 있습니다...무엇을 선택하든지 말입니다. 순차적인 추가 실험을 알려드릴까요? 또는 대담한 경우 예측.
다른 사람이 끼어들 수 있도록 내가 한두 가지를 놓쳤을 수도 있습니다.
도움이 되었기를 바랍니다?
