So interpretieren Sie ein definitives Screening-Design (DSD) richtigIch verwende JMP 14.3, um einen Workflow mit 6 Eingabevariablen und 3 Ebenen zu optimieren (angehängt ist die Datei mit der Datentabelle). Meine Idee ist, JMP zu verwenden, um die beste Kombination der 6 Variablen zu erhalten, die mir das beste Ausgabeergebnis liefert, aber die geringste Anzahl von Experimenten durchführt.
Es scheint mir, dass die beste Option darin besteht, ein endgültiges Screening-Design zu erstellen, um die Haupteffekte zu sehen. Ich habe meine Faktorentabelle mit den Extremwerten (Minimum und Maximum für jede Variable) definiert und die Tabelle der durchzuführenden Experimente erstellt. Die generierte Tabelle schlägt 17 Experimente vor.
Über mehrere Wochen hinweg habe ich die 17 Experimente durchgeführt und die Ergebnisse (Y) in die beigefügte Tabelle eingetragen. Mit diesen Daten habe ich das Screening angepasst und festgestellt, dass 4 der Variablen statistisch signifikant sind. Ich habe im Vorhersageprofiler ausgewählt: Optimierung und Erwünschtheit > Erwünschtheit maximieren, um die optimalste Kombination von Faktoren zu erhalten.
An dieser Stelle habe ich mehrere Fragen:
1. Welche Werte/Stufen sollte ich für die nicht signifikanten Werte wählen?. Könnte ich einen von ihnen auswählen?.
2. Ich möchte ein Modell erstellen, um die Ausgabe (Y) basierend auf den ausgewählten Werten der Faktoren vorherzusagen oder zu schätzen. Wie könnte ich das tun?. Könnte ich eine größere Anzahl von Werten simulieren?.
3. Kann ich eine Gleichung (oder Formel aus dem Modell) erhalten?
Vielen Dank.
Mit freundlichen Grüßen,
Wardiam
DAMHIRSCHKUHBetreff: So interpretieren Sie ein definitives Screening-Design (DSD) richtigVielen Dank für Ihre Kommentare Statman 
Wardiam
Betreff: So interpretieren Sie ein definitives Screening-Design (DSD) richtigEinige Kommentare:
1. Lassen Sie mich zunächst darauf hinweisen, dass es einen Unterschied zwischen statistischer Signifikanz (die Sie durch die Art und Weise, wie Sie das Experiment durchführen, und das von Ihnen verwendete Modell, steuern) und praktischer Signifikanz gibt. Ohne zu wissen, wie viel eine Änderung von Y von praktischer Bedeutung ist, wird die Analyse suboptimal sein.
2. In Bezug auf Faktoren, die als statistisch nicht signifikant eingestuft werden, können Sie dies interpretieren als Angesichts der Ebenen, auf denen Sie getestet haben haben diese Faktoren keinen Einfluss auf die anderen Faktoren im Modell. Ob Sie diese Ergebnisse ableiten oder extrapolieren können, ist eher eine ingenieurwissenschaftliche als eine statistische Frage.
3. Verwenden Sie immer Rsquare Adj als Standard. RSquare nimmt immer zu, wenn dem Modell Freiheitsgrade hinzugefügt werden, aber es geht darum, RSquare mit Termen zu bestimmen, die als signifikant angesehen werden. Dafür sorgt RSquare Adj. Wenn es Unterschiede zwischen RSquare und RSquare Adj gibt, ist dies ein Hinweis auf ein überspezifiziertes Modell. Oh, und das hat übrigens nichts damit zu tun, ob das Modell in Zukunft oder unter einem anderen Inferenzraum nützlich sein wird.
4. Bei der Auswahl des "besten" Modells müssen eine Reihe von Überlegungen berücksichtigt werden. RSquare, RMSE, Residuen, Praktische Bewertung usw.
5. Das Ausführen von Replikaten ist eine ausgezeichnete Technik, um die Angemessenheit von Modellen zu testen. Die Verwendung der Blocking-Methode kann sehr nützlich sein, um die Wirkung von "Rauschen" zu untersuchen und in einigen Fällen zu bestimmen, ob sich die in der ersten Wiederholung (Block = -1) geschätzten Effekte über verschiedene Rauschbedingungen (Block = 1) wiederholen. Dies ist einer der beabsichtigten Zwecke, um zu sehen, ob Faktoreffekte robust gegenüber Rauschen sind. IMHO sollte das Blockieren vor dem Experimentieren gut durchdacht sein, aber Sie können möglicherweise einige nützliche Informationen als nachträglichen Versuch retten.
6. Sieht so aus, als hätten Sie eine Res ausführen können. III fraktionelle Fakultät mit Faktoren auf 2 Ebenen in 8 Behandlungen (gegenüber der DSD) und die gleichen Ergebnisse erzielt. Sie hätten Läufe speichern und für zusätzliche Wiederholungen verwenden können ... im Nachhinein ist immer 20-20
Betreff: So interpretieren Sie ein definitives Screening-Design (DSD) richtigLiebe Mark und Statman,
Vielen Dank für Ihre Antworten. Ich habe die gesamte auf Ihrem DSD-Link verfügbare Hilfe sorgfältig geprüft und viele der Fragen, die ich hatte, bereits besser verstanden.
Es gibt noch einige Fragen, die ich gerne mit Ihnen besprechen möchte, und sehen, ob Sie sie für mich klären können.
Nachdem Sie die DSD durchgeführt und das Modell ausgeführt haben, betrachten Sie nur 4 der 6 Faktoren als signifikant ("aktiv"). Ich weiß, dass die Auswirkungen der anderen beiden Faktoren nicht relevant sind (Spannung und Temperatur), aber in meinem Versuchsprotokoll müssen diese 2 Faktoren sein, weil sie notwendige Elemente sind (was ich nicht wusste, war ihr optimales Niveau). Nach der Zusammenfassung der Haupteffekte könnte ich dann jede der für diese Faktoren eingeführten Ebenen in Betracht ziehen, da dies die Ausgabe nicht beeinflussen würde, ist das richtig?.
Basierend auf der Fit-Plattform habe ich einen RSq = 0,94 erhalten, aber wenn ich die vorhergesagten Werte in einer neuen Spalte speichere, sehe ich, dass einige weit von den beobachteten Werten entfernt sind. Wie könnte ich das Modell besser anpassen?. Sollte ich mehr Läufe verwenden?.
Ich hatte überlegt, die vorgeschlagenen Läufe in der generierten Tabelle nachzubilden, sollte ich in diesem Fall die Sperroption im Design aktivieren?. Wenn ja, sollte ich einen kategorialen Faktor hinzufügen, der sich auf jede Replik bezieht?.
Schließlich habe ich bereits gesehen, dass ich durch die Verwendung der Fit Definitive Screening-Plattform eine Formel des Modells erhalte, die ich wollte, und ich kann der Tabelle eine Spalte mit den vorhergesagten Werten hinzufügen. Es ist großartig.
Vielen Dank für Ihre Hilfe und verzeihen Sie mir, dass ich diese Anfängerfragen stelle.
Wardiam
Betreff: So interpretieren Sie ein definitives Screening-Design (DSD) richtigMark hat Ihnen bereits die entsprechende Anleitung gegeben. Ich möchte nur Ihre Zielsetzung kommentieren: " Ich denke, meine Studie ist eine Screening-Situation, da ich mehrere Variablen testen muss und nach der optimalen Kombination all dieser Variablen suche erhalten Sie die beste Ausgabe . Dies ist das Hauptziel ."
Dies ist nicht die Absicht eines Screening-Designs. Um Marks Bemerkungen zu wiederholen, der Zweck eines Screening-Designs besteht darin, zu bestimmen welche Teilmenge der Gesamtmenge einer weiteren Untersuchung würdig ist . Dies ist kein Test, bei dem Sie versuchen, "den Gewinner auszuwählen", sondern ein Experiment, um einen Einblick in die kausalen Beziehungen zwischen den Prädiktorvariablen und den Antwortvariablen zu erhalten. Iteration ist fast immer erforderlich. Fortfahren.
Betreff: So interpretieren Sie ein definitives Screening-Design (DSD) richtigEines der wichtigsten Screening-Prinzipien ist die Sparsity of Effects. Das bedeutet, dass Sie erwarten, mindestens die Hälfte der Faktoren durch das Screening zu eliminieren. Schirmkonstruktionen sind durch dieses Prinzip wirtschaftlich. Sie liefern nicht die Daten, die notwendig sind, um das Modell mit allen Termen anzupassen.
Ich habe den Prozess der Modellauswahl und -auswertung bereits erläutert. Bitte geben Sie an, welcher Schritt unklar ist.
Haben Sie die Dokumentation für DSD gesehen? Es beginnt hier .
Betreff: So interpretieren Sie ein definitives Screening-Design (DSD) richtigLieber Mark,
Danke für die Antwort. Tatsächlich denke ich, dass meine Studie eine Screening-Situation ist, da ich mehrere Variablen zu testen habe und nach der optimalen Kombination all dieser Variablen suche erhalten Sie die beste Ausgabe . Dies ist das Hauptziel .
Aber gleichzeitig nutzte ich meine Frage im Forum aus, um zu wissen, ob eine zusätzliche Analyse derselben Daten es mir ermöglichen würde, ein Muster oder eine Formel zu erhalten, die in Zukunft vorhersagen könnte, wenn ich die Werte der Variablen was ändere wäre die erwartete Ausgabe ohne Durchführung des Experiments. Diese zweite Frage ist merkwürdiger und wäre zweitrangig.
Kannst du mir bitte helfen?.
Danke für Ihre Hilfe.
Wardiam
Betreff: So interpretieren Sie ein definitives Screening-Design (DSD) richtigAußerdem haben Sie nicht angegeben, ob es sich bei Ihrer Situation um eine Screening-Studie handelt. Die DSD geht wie jedes Screening-Design von den wichtigsten Screening-Prinzipien aus.
Betreff: So interpretieren Sie ein definitives Screening-Design (DSD) richtigHaben Sie den Befehl Fit Definitive Screening im DOE-Menü gesehen? Diese Plattform führt eine vollautomatische Analyse durch und wählt das beste Modell für Sie aus. Sie können dann zur Plattform Fit Least Squares springen, indem Sie auf die Schaltfläche Make Model oder Run Model klicken. Sie können den Prediction Profiler verwenden, um die Antwort zu untersuchen oder die Antwort zu optimieren. Sie können das angepasste Modell als neue Spaltenformel speichern.
Haben Sie das Handbuch JMP > Hilfe > Dokumentation > Anpassung linearer Modelle gelesen?
