Mezcla DOE para respuesta binaria<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hola todos,
Necesito consejo para configurar un DoE.
El objetivo del DoE es construir un modelo (regresión logística) para una respuesta binaria (y) dependiendo de cinco variables continuas (x1, x2, x3, x4, x5). Las cinco variables deben sumar 1, por lo que un diseño de respuesta mixta puede ser ideal. La respuesta, como se mencionó, es pasa/falla dependiendo de la combinación de variables. Además, existen restricciones en algunas de las variables continuas... por ejemplo, 0,4 < x4 < 0,5, etc.
Probé un diseño de respuesta mixta con estas limitaciones de diseño. Y cuando simulé las respuestas y construí un modelo para verificar los diagnósticos del modelo, descubrí que el VIF es demasiado alto para las variables restringidas que sugieren efectos confusos. Creo que el VIF alto se debe a la alta correlación entre x5 y sus términos cruzados con otras variables. Esto se puede confirmar observando la correlación de las estimaciones.
Con ese trasfondo tengo un par de preguntas.
1. ¿Es el diseño de superficie de respuesta de mezcla el mejor enfoque para mi problema? ¿O debería probar algo como un enfoque de diseño secuencial? hay un poco de literatura sobre la aplicación de diseño secuencial para modelos de respuesta binaria.
2. ¿Cómo puedo reducir el VIF o la confusión entre las variables restringidas y sus términos cruzados?
Agradezco cualquier ayuda que solucione mis problemas. Por favor, hágamelo saber si se requiere más información.
Saludos
-Praveen.
Re: Mezcla DOE para respuesta binaria¡Los VIF no son muy importantes para los diseños de mezclas y es algo bueno!Siempre son altos.Si su objetivo es hacer predicciones, los VIF siempre son irrelevantes.Si su objetivo es la detección, necesita una técnica diferente a la de comparar los efectos.Un buen modelo de regresión puede predecir bien incluso si no puede estimar bien los efectos.Una mejor prueba de la calidad del diseño en este caso sería el Número de condición, pero no creo que JMP proporcione esto (aunque puede obtenerlo si escribe un script).Si el registro del número de condición es mayor que 5, tenga cuidado; de lo contrario, debería estar bien.
Re: Mezcla DOE para respuesta binaria"¿Importa el VIF alto en un diseño de mezcla (especialmente para el factor de rango estrecho) en el modelo final? Porque el VIF alto parece deberse a la correlación con sus términos cruzados".
Una cosa que me viene a la mente cuando leo esta pregunta anterior: tal vez podría ejecutar algunas pruebas de validación además de las pruebas DOE para validar el modelo final, similar a la capacitación, prueba y validación como se hace cuando se usan las plataformas Partition y Neural.
Re: Mezcla DOE para respuesta binariaHay buenas noticias y malas noticias.
La mala noticia es que los VIF son el resultado de las relaciones entre sus X. Como ya se señaló, las mezclas SIEMPRE tendrán alguna relación. Esa relación es aún más fuerte cuando tiene rangos estrechos para cualquiera de los componentes (como ha visto). No importará qué enfoque utilice para crear el diseño, esa colinealidad estará ahí.
La buena noticia es que los VIF se pueden reducir un poco en el análisis mediante el uso de codificación de pseudocomponentes. JMP activará esta función automáticamente. La codificación de pseudocomponentes reducirá la colinealidad tanto como sea posible mediante la codificación de sus factores de mezcla para "expandir" el rango tanto como sea posible.
Cuando ajusta su modelo de mezcla de Scheffe en JMP, puede ver que se está utilizando la codificación de pseudocomponentes en la tabla Estimaciones de parámetros. Aparecerá un término como (X-0.2)/0.7 que indica que se está utilizando la codificación.
JMP Education tiene un curso sobre el diseño y análisis de experimentos mixtos que cubre la codificación de pseudocomponentes y mucho más.
Re: Mezcla DOE para respuesta binariaGracias por la respuesta LouV!!
Entiendo el impacto del diseño de la mezcla en la naturaleza de la interdependencia de los factores. Sin embargo, en mi caso, los VIF se disparan una vez que uno de los factores tiene un rango estrecho. Se adjuntan dos archivos JMP: uno es un diseño personalizado (CD_5var.jmp) con cinco factores de mezcla con un rango de 0 a 0,5. El modelo en este caso es decente con todos los VIF menores a 5. El segundo diseño (CD_5var_narrow.jmp) es similar al primero excepto que el rango en x5 es estrecho (0.5 < x5 < 0.6). Y en este caso, el VIF para x5 es ~800, y x5*xi también tiene VIF más altos. También observé la correlación de las estimaciones y muestra claramente una alta correlación de x5 con los términos cruzados.
Entonces, la pregunta es... ¿el VIF alto en un diseño de mezcla (especialmente para el factor de rango estrecho) es importante en el modelo final? Porque el VIF alto parece deberse a la correlación con sus términos cruzados.
Y para repetir la otra pregunta, ¿existe alguna alternativa al diseño de mezcla personalizada que reduzca los problemas con los VIF? Por ejemplo, ¿¡un enfoque de diseño secuencial!?
LouV ... su enlace sobre el impacto de la propiedad de codificación en los VIF es interesante. Voy a seguir y ver si eso ayuda.
Nota: La respuesta 'y' es una respuesta simulada. Eventualmente, esta será una respuesta binaria.
Gracias
-Praveen.
Re: Mezcla DOE para respuesta binariaalabanza,
Los VIF en un diseño de mezcla son muy grandes debido a la naturaleza no independiente de la mezcla que suma 1. Es decir básicamente aunque estés investigando 5 factores en esencia solo necesitas 4 para entender el 5to debido a esta propiedad.
Esto puede haber sido respondido en este hilo de la comunidad de usuarios de JMP...
VIF alto en espacio de diseño restringido | Comunidades en SAS
Una gran referencia para este tema es el libro de Cornell sobre Mixture Design.
