So interpretieren Sie ein definitives Screening-Design (DSD) richtigIch verwende JMP 14.3, um einen Workflow mit 6 Eingabevariablen und 3 Ebenen zu optimieren (im Anhang 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.
Meiner Meinung nach besteht die beste Option darin, ein endgültiges Screening-Design zu erstellen, um die Haupteffekte zu erkennen. Ich habe meine Faktortabelle 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 Folgendes 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 nichtsignifikanten Werte wählen? Könnte ich eine davon auswählen?
2. Ich möchte ein Modell erstellen, um den Output (Y) basierend auf den ausgewählten Werten der Faktoren vorherzusagen oder zu schätzen. Wie könnte ich das machen? Könnte ich eine größere Anzahl von Werten simulieren?
3. Könnte ich eine Gleichung (oder Formel aus dem Modell) erhalten?
Vielen Dank.
Beste grüße,
Wardiam
VersuchsplanungErgebnisse teilen und kommunizierenBetreff: Wie man ein definitives Screening-Design (DSD) richtig interpretiertIch denke, das könnte die Erklärung sein, nach der ich gesucht habe, eine Erinnerung daran, dass ein DSD ein Screening-Design ist und die Behauptung, es habe eine geringe Leistung für quadratische Effekte.Ich muss nur herausfinden, wie ich diese Leistungsanalyse für meine DSDs bekomme, da ich nur die Leistung für Haupteffekte sehe – nicht die Wechselwirkungen und Quadrate.
https://community.jmp.com/t5/Discussions/Fit-Definitive-Screening-vs-Stepwise-min-AICC-for-model/mp/608874
Betreff: Wie man ein definitives Screening-Design (DSD) richtig interpretiertWenn ich JMP 17.0 verwende, erhalte ich dies und schalte die beiden Vererbungs-Standardeinstellungen aus.Unter der Annahme, dass alle Berechnungen ordnungsgemäß durchgeführt wurden (keine Bugs oder Codierungsfehler), muss ich zu dem Schluss kommen, dass die nicht-heredische Temperatur * Temperatur statistisch nicht signifikant war.Ein wenig überrascht.Ich kann mir keine Möglichkeit vorstellen, mir in diesem Dialog eine allgemeinere Frage zur DSD-Spezialanalysemethode anzuzeigen, die ich an anderer Stelle posten werde.Wenn ich es manuell über „Modell erstellen“ hinzufüge, sieht es für mich auf jeden Fall statistisch signifikant aus.Mysteriös und lässt meine Annahme in Frage stellen, dass es keinen Fehler, keinen Rechen- oder Codierungsfehler gibt (aber hey, ich kann die gesamte ANOVA und solche Berechnungen noch nicht selbst durchführen).Eine Chance für eine Erklärung?
Betreff: Wie man ein definitives Screening-Design (DSD) richtig interpretiertVielen Dank für deine Kommentare, statman 
Wardiam
Betreff: Wie man ein definitives Screening-Design (DSD) richtig interpretiertEinige Kommentare:
1. Lassen Sie mich zunächst darauf hinweisen, dass es einen Unterschied zwischen statistischer Signifikanz (die Sie durch die Durchführung des Experiments und das von Ihnen verwendete Modell steuern) und praktischer Signifikanz gibt. Ohne zu wissen, wie groß die praktische Bedeutung einer Y-Änderung ist, wird die Analyse suboptimal sein.
2. In Bezug auf Faktoren, die sich als statistisch unbedeutend erweisen, können Sie dies wie folgt interpretieren: Angesichts der Level, 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 Standardeinstellung. RS-Quadrate nehmen immer zu, wenn dem Modell Freiheitsgrade hinzugefügt werden. Der Sinn besteht jedoch darin, RS-Quadrate mit Termen zu bestimmen, die als signifikant gelten. Dafür sorgt RSquare Adj. Wenn es Unterschiede zwischen RSquare und RSquare Adj gibt, ist dies ein Hinweis auf ein überspezifiziertes Modell. Ach ja, 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 hervorragende Technik zum Testen der Modelladäquanz. Die Verwendung der Blockierungsmethode kann sehr nützlich sein, um die Auswirkung von „Rauschen“ zu untersuchen und in manchen Fällen zu bestimmen, ob sich die in der ersten Wiederholung geschätzten Effekte (Block = -1) über verschiedene Rauschbedingungen wiederholen (Block = 1). Dies ist einer der beabsichtigten Zwecke, um festzustellen, ob Faktoreffekte robust gegenüber Rauschen sind. Meiner Meinung nach sollte das Blockieren vor dem Experimentieren gut durchdacht sein, aber möglicherweise können Sie im Nachhinein einige nützliche Informationen retten.
6. Sieht so aus, als hätten Sie einen Res ausführen können. III fraktionierte Fakultät mit Faktoren auf 2 Ebenen in 8 Behandlungen (im Vergleich zum DSD) und erzielte die gleichen Ergebnisse. Sie hätten Läufe speichern und für zusätzliche Replikate verwenden können ... im Nachhinein ist es immer 20-20
Betreff: Wie man ein definitives Screening-Design (DSD) richtig interpretiertLieber Mark und Statman,
Vielen Dank für Ihre Antworten. Ich habe die gesamte über Ihren DSD-Link verfügbare Hilfe sorgfältig geprüft und viele meiner Fragen bereits besser verstanden.
Es gibt noch einige Fragen, die ich gerne mit Ihnen besprechen würde und versuchen würde, diese für mich zu klären.
Betrachten Sie nach Durchführung des DSD und Ausführen des Modells nur 4 der 6 Faktoren als signifikant („aktiv“). Ich weiß, dass die Auswirkungen der anderen beiden Faktoren (Spannung und Temperatur) nicht relevant sind, aber in meinem Versuchsprotokoll müssen diese beiden Faktoren relevant sein, da es sich um notwendige Elemente handelt (was ich nicht wusste, war ihr optimales Niveau). Nach der Zusammenfassung der Haupteffekte könnte ich jede der für diese Faktoren eingeführten Werte in Betracht ziehen, da sie sich nicht auf die Ausgabe auswirken würde. Ist das richtig?
Basierend auf der Anpassungsplattform 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, eine Replik der vorgeschlagenen Läufe in der generierten Tabelle zu erstellen. Sollte ich in diesem Fall die Blockierungsoption im Design aktivieren? Wenn ja, sollte ich einen kategorialen Faktor hinzufügen, der sich auf jedes Replikat bezieht?
Schließlich habe ich bereits gesehen, dass ich durch die Verwendung der Fit-Definition-Screening-Plattform eine Formel des Modells erhalte, die meinen Vorstellungen entspricht, und dass ich der Tabelle eine Spalte mit den vorhergesagten Werten hinzufügen kann. Es ist großartig.
Vielen Dank für Ihre Hilfe und verzeihen Sie mir, dass ich diese Anfängerfragen stelle.
Wardiam
Betreff: Wie man ein definitives Screening-Design (DSD) richtig interpretiertMark hat Ihnen bereits die entsprechende Anleitung gegeben. Ich möchte nur Ihre Zielsetzung kommentieren: „ Ich denke, dass es sich bei meiner Studie um eine Screening-Situation handelt, da ich mehrere Variablen testen muss und nach der optimalen Kombination all dieser Variablen suche Holen Sie sich 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, festzustellen Welche Teilmenge der Gesamtmenge ist einer weiteren Untersuchung wert? . Dabei handelt es sich nicht um einen Test, bei dem Sie versuchen, „den Gewinner auszuwählen“, sondern um ein Experiment, das Einblicke in die kausalen Zusammenhänge zwischen den Prädiktorvariablen und den Antwortvariablen liefert. Eine Iteration ist fast immer erforderlich. Fortfahren.
Betreff: Wie man ein definitives Screening-Design (DSD) richtig interpretiertEines der wichtigsten Screening-Prinzipien ist die Sparsamkeit der Effekte. Das bedeutet, dass Sie damit rechnen, durch das Screening mindestens die Hälfte der Faktoren zu eliminieren. Durch dieses Prinzip werden Abschirmkonstruktionen wirtschaftlich. Sie liefern nicht die Daten, die erforderlich sind, um das Modell mit allen Begriffen anzupassen.
Ich habe den Prozess der Modellauswahl und -verwertung bereits erklärt. Bitte geben Sie an, welcher Schritt unklar ist.
Haben Sie die Dokumentation für DSD gesehen? Es beginnt Hier .
Betreff: Wie man ein definitives Screening-Design (DSD) richtig interpretiertLieber Mark,
Danke für die Antwort. Tatsächlich denke ich, dass es sich bei meiner Studie um eine Screening-Situation handelt, da ich mehrere Variablen testen muss und nach der optimalen Kombination all dieser Variablen suche Holen Sie sich die beste Ausgabe . Dies ist das Hauptziel .
Aber gleichzeitig habe ich meine Frage im Forum genutzt, um zu erfahren, ob eine zusätzliche Analyse derselben Daten es mir ermöglichen würde, ein Muster oder eine Formel zu erhalten, die vorhersagen könnte, was in der Zukunft passieren würde, wenn ich die Werte der Variablen ändere wäre die erwartete Ausgabe, ohne das Experiment durchzuführen. Diese zweite Frage ist merkwürdiger und würde zweitrangig sein.
Kannst du mir bitte helfen?.
Ich danke Ihnen für Ihre Hilfe.
Wardiam
Betreff: Wie man ein definitives Screening-Design (DSD) richtig interpretiertAußerdem haben Sie nicht angegeben, ob es sich bei Ihrer Situation um eine Screening-Studie handelt. Das DSD geht, wie jedes Screening-Design, von den wichtigsten Screening-Prinzipien aus.
Betreff: Wie man ein definitives Screening-Design (DSD) richtig interpretiertHaben 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 „Kleinste Quadrate anpassen“ springen, indem Sie auf die Schaltfläche „Modell erstellen“ oder „Modell ausführen“ klicken. Mit dem Prediction Profiler können Sie die Reaktion untersuchen oder optimieren. Sie können das angepasste Modell als neue Spaltenformel speichern.
Haben Sie den Leitfaden „JMP > Hilfe > Dokumentation > Anpassung linearer Modelle“ gelesen?
