連続因子は混合因子のように扱う必要がある応答の曲率を評価するために連続として扱いたい要素がありますが、混合設定と同様に「合計」を 100% に制限する必要があります。
私の知る限り、混合に対する線形制約では、等しいという制限は許可されておらず、それより小さいか、より大きいか、等しいかのいずれかに制限されるだけです。
この問題に対処する方法についての考えはありますか?
高度な統計モデリング実験計画法マスカスタマイゼーションRe: 連続因子は混合因子のように扱う必要があります有難うございます！
Re: 連続因子は混合因子のように扱う必要があります正直なところ、おそらく外積項 (前述のように相互作用と二次方程式を組み合わせたもの) を除いて、これらのべき乗数は信用できません。 これにはいくつかの理由があります。 まず、混合物は自然に相関し、常に電力が低下します。 それについてあなたができることは何もありません。 第二に、混合主効果のパラメーター推定値にはデータの全体平均も含まれているため、検出力の計算が正しいとは思えません。 したがって、そのパラメーター推定値をゼロ (実行される従来のテスト) と比較しても意味がありません。 第三に、主効果が有意でない場合はどうなるでしょうか? それは本当にどういう意味ですか？ その要因が影響を与えないという意味ではありません。 結局のところ、他のすべての要因を変更すると、「重要でない」要因を変更する必要があります。 すべての要因を一緒に考慮する必要があります。
これらの理由 (およびおそらくその他の理由) から、混合モデルはすべて予測に関するものです。 従来の回帰モデルのように因果関係の結論を導き出すことはできません。 相関構造により、モデルを別の方法で見る必要があります。
Re: 連続因子は混合因子のように扱う必要があります実際にもう 1 つ質問します。この方法を使用すると、混合関数は私のパラメーターによく適合しますが。 RMSE を 0.2 に下げても、予測される統計的検出力は 0.2 以下です (参考までに 0.3 から 0.4 を期待しています)。
正直これを見ると混合機能を使うほうがいいのですが、パワーが低いので不安です。これについて何か考えはありますか？
Re: 連続因子は混合因子のように扱う必要がありますそれはそう。ありがとうございます。混合物を続行するだけでは不十分だと思います。ありがとうございます。
Re: 連続因子は混合因子のように扱う必要があります混合物は確かに二次効果を可能にします。 それらは異なって見えますが、そこにあります。
相互作用のように見えるバイナリ混合項は、実際には二次効果です。
簡単な例を次に示します。
X1*X2 と X1*X3 は重要な「相互作用」であることに注意してください。 Prediction Profiler の曲線から明らかなように、これらは実際には 2 次項です。
混合制約によりシェッフェ混合モデルがどのように再パラメータ化されるかを理解する必要がある理由を理解するには。 X1*X1 は、3 成分ブレンドの X1*(1-X2-X3) に書き換えられます。 その結果、X1、X1*X2、および X1*X3 の「追加項」が生じます。
では、混合物を混合物として扱わないのはなぜですか?
Re: 連続因子は混合因子のように扱う必要がありますそれは良い質問です。
カーブした応答が期待されるほどの混合ではありません。混合関数は 2 乗相互作用を許可しないため、残念ながら私のニーズには合いません。
たまたま問題となるのは、組換えタンパク質産物を生産するための最適なプラスミド DNA 比率を決定することです。DNA の総量が設定され、プラスミドの量が合計 100% になるように追加する必要があります。問題の 3 つのプラスミド。
Re: 連続因子は混合因子のように扱う必要がありますもう少し詳細が必要だと思います。 すべての要因は何ですか？ これ以外にもあるはずです。 これは混合物の「類縁」だとおっしゃっていますが、なぜ混合物ではないのでしょうか?
