Ich habe eine Frage zu einem Mischungsdesign, an dem ich arbeite. Das fragliche Experiment untersucht die Auswirkung des Mischens verschiedener Arten von Flüssigkeiten auf die Materialverträglichkeit.
Faktoren
Fluid_1 Behandlungsrate – der Anteil von Fluid A – 0–100
Fluid_2 Behandlungsrate – der Anteil von Fluid B – 0–100
Typ Fluid_1 - kategorisch, zwei Ebenen
Typ Fluid_2 - kategorisch, zwei Ebenen
Antwort
anschwellen - kontinuierlich
Eine Komplikation in der Entwurfsphase besteht darin, dass die Art des verwendeten Fluids A keinen Einfluss auf die Reaktion haben kann, wenn die Behandlungsrate von Fluid_A 0 ist, dasselbe gilt für Fluid_B bei einer Behandlungsrate von 0. Ich habe daher das Design so eingerichtet, dass die Typen Fluid_A und Fluid_B ausgeschlossen werden, sofern sie nicht mit dem relevanten Behandlungsratenfaktor gekreuzt werden. Dies ist sinnvoll, vorausgesetzt, dass die Option zum Zentrieren von Polynomen beim Anpassen des Modells deaktiviert ist. Ich wollte auch einige Einschränkungen vornehmen, so dass zB nur ein Fluid_A-Typ bei einer Fluid_A-Behandlungsrate von <10 verwendet wird. Die beiden Läufe in der folgenden Tabelle sind im Wesentlichen Wiederholungen, aber JMP behandelt sie nicht als solche, einschließlich Einschränkungen, um dies zu vermeiden.
Fluid_1_treat | Flüssigkeit_1 | Flüssigkeit_2 |
0 | EIN | EIN |
0 | B | EIN |
Solche Einschränkungen sind in einem Mischungsdesign nicht zulässig, da dies jedoch nur eine Zweikomponentenmischung ist, bei der A immer von BI abhängt, entschied man sich dafür, die Behandlungsrate von Fluid_2 auszuschließen und einfach die Behandlungsrate von Fluid_1 als einzigen kontinuierlichen Faktor zu verwenden. So ende ich bei einem Entwurf für das folgende Modell.
Fluid_1_treat
Fluid_1_treat x Fluid_1
Fluid_1_treat x Fluid_1_treat
Fluid_1_treat x Fluid_2
Fluid_1_behandeln x Fluid_1_behandeln x Fluid_1
Wenn ich dies anpasse, kann ich ein gutes Modell erstellen, aber es hat den Typ Fluid_1, der die Reaktion bei einer Behandlungsrate von 0 beeinflusst (siehe Vorhersageprofiler 1), was physikalisch nicht möglich ist. Auch die Behandlungsrate, bei der es keine Wirkung des Fluid_1-Typs gibt, beträgt 50 % (siehe Vorhersageprofiler 2), was eine eher zu runde Zahl zu sein scheint, um ein echtes Ergebnis zu sein.
Wenn ich es als Mischung I anpasse, ergibt sich ein sinnvolleres Modell,
Fluid_1_treat (Mischung)
Fluid_1_treat x Fluid_1
Fluid_1_behandeln x Fluid_2_behandeln
Fluid_1_treat x Fluid_2
Fluid_2_treat (Mischung)
Fluid_1_behandeln x Fluid_2_behandeln x Fluid_1
Es gibt jedoch einige ziemlich hohe Korrelationskoeffizienten, wenn der endgültige Modelleffekt (Fluid_1_treat x Fluid_2_treat x Fluid_1) enthalten ist. Um dies zu beheben, ist eine Erweiterung des Designs erforderlich. Liegt das daran, dass ich mit den beiden Mischungsfaktoren im Modell effektiv einen zusätzlichen Effekt habe, der angepasst werden muss, obwohl er linear von dem anderen Mischungsfaktor abhängt?
Natürlich besteht die einfache Lösung darin, die zusätzlichen Durchläufe für das Mischungsdesign durchzuführen, aber kann mir jemand helfen, die Probleme mit dem ersten Modell zu verstehen?
