Der kontinuierliche Faktor muss wie ein Mischungsfaktor behandelt werdenIch habe einen Faktor, den ich als kontinuierlich behandeln möchte, um die Reaktionskrümmung zu beurteilen, aber ich muss „Gesamt“ auf 100 % beschränken, ähnlich einer Mischungseinstellung.
Lineare Beschränkungen für Mischungen erlauben meines Wissens keine Begrenzung auf „gleich“, sondern nur „kleiner als“ oder „größer als“ oder „gleich“.
Ideen zur Lösung dieses Problems?
Erweiterte statistische ModellierungVersuchsplanungMassenanpassungBetreff: Kontinuierlicher Faktor ist wie Mischungsfaktor zu behandelnDanke für das!
Betreff: Kontinuierlicher Faktor ist wie Mischungsfaktor zu behandelnEhrlich gesagt würde ich diesen Potenzzahlen nicht vertrauen, außer möglicherweise den Kreuzprodukttermen (die Wechselwirkungen und Quadrate kombiniert sind, wie zuvor besprochen). Dafür gibt es einige Gründe. Erstens sind Mischungen natürlich korreliert, was immer die Leistung verringert. Es gibt nichts, was Sie dagegen tun können. Zweitens glaube ich nicht, dass die Leistungsberechnungen korrekt sind, da die Parameterschätzungen für einen Mischungshaupteffekt auch den Gesamtmittelwert der Daten enthalten. Es macht also keinen Sinn, diese Parameterschätzung mit Null zu vergleichen (der herkömmliche Test, der durchgeführt wird). Drittens, was ist, wenn ein Haupteffekt nicht signifikant ist? Was bedeutet das wirklich? Das bedeutet nicht, dass der Faktor keine Wirkung hat. Schließlich werden Sie durch die Änderung aller anderen Faktoren gezwungen, den "nicht signifikanten" Faktor zu ändern. Alle Faktoren müssen zusammen betrachtet werden.
Aus diesen Gründen (und wahrscheinlich noch einigen mehr) dreht sich bei Mischungsmodellen alles um Vorhersagen. Sie können nicht wirklich Ursache-Wirkungs-Schlussfolgerungen wie ein traditionelles Regressionsmodell ableiten. Die Korrelationsstruktur zwingt Sie dazu, Ihr Modell anders zu betrachten.
Betreff: Kontinuierlicher Faktor ist wie Mischungsfaktor zu behandelnIch werde tatsächlich eine weitere Frage stellen.Mit dieser Methode passt die Mischungsfunktion zwar gut zu meinen Parametern. Die vorhergesagte statistische Power beträgt nicht mehr als 0,2, selbst wenn ich meinen RMSE auf 0,2 senke (ich erwarte 0,3 bis 0,4 als Referenz).
Ehrlich gesagt, benutze ich eher die Mischungsfunktion, aber ich bin angesichts der geringen Leistung nervös.Haben Sie irgendwelche Gedanken dazu?
Betreff: Kontinuierlicher Faktor ist wie Mischungsfaktor zu behandelnIn der Tat.Vielen Dank dafür, ich denke, ich werde einfach mit einer Mischung fortfahren, danke!
Betreff: Kontinuierlicher Faktor ist wie Mischungsfaktor zu behandelnMischungen lassen zwar quadratische Effekte zu. Sie sehen anders aus, aber sie sind da.
Jeder binäre Mischterm, der wie eine Wechselwirkung aussieht, ist eigentlich ein quadratischer Effekt.
Hier ist ein einfaches Beispiel:
Beachten Sie, dass X1*X2 und X1*X3 signifikante "Wechselwirkungen" sind. Das sind eigentlich quadratische Terme, wie die Kurven im Prediction Profiler zeigen.
Um zu verstehen, warum, müssen Sie verstehen, wie das Scheffe-Mischungsmodell aufgrund der Mischungsbeschränkung neu parametrisiert wird. X1*X1 wird umgeschrieben als X1*(1-X2-X3) für eine 3-Komponenten-Mischung. Daraus ergeben sich "Zusatzterme" für X1, X1*X2 und X1*X3.
Warum also nicht eine Mischung als Mischung behandeln?
Betreff: Kontinuierlicher Faktor ist wie Mischungsfaktor zu behandelnDas ist eine gute Frage.
Es ist keine Mischung, da eine gekrümmte Reaktion erwartet wird, und da die Mischungsfunktion keine Wechselwirkungen mit der zweiten Potenz zulässt, entspricht sie leider nicht meinen Anforderungen.
Zufällig besteht das Problem darin, das optimale Plasmid-DNA-Verhältnis zur Herstellung eines rekombinanten Proteinprodukts zu bestimmen.Die Gesamtmenge an DNA wird festgelegt und die Menge an Plasmid muss zu insgesamt 100 % addiert werden.3 Plasmide in Frage.
Betreff: Kontinuierlicher Faktor ist wie Mischungsfaktor zu behandelnIch denke, ein bisschen mehr Details sind erforderlich. Was sind all die Faktoren? Es muss mehr geben als nur diesen einen. Sie sagen, dies sei mit einer Mischung "verwandt", aber warum ist es KEINE Mischungssituation?
