Mischung DOE für binäre Antwort<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hallo alle,
Ich benötige Beratung bei der Einrichtung eines DoE.
Das Ziel des DoE ist es, ein (logistisches Regressions-)Modell für eine binäre Antwort (y) in Abhängigkeit von fünf kontinuierlichen (x1, x2, x3, x4, x5) Variablen zu erstellen. Die fünf Variablen müssen sich zu 1 addieren, daher kann ein Mix-Response-Design ideal sein. Die Antwort ist, wie erwähnt, Pass/Fail, abhängig von der Variablenkombination. Darüber hinaus gibt es Einschränkungen für einige der kontinuierlichen Variablen .... zum Beispiel 0,4 < x4 < 0,5 usw.
Ich habe ein Mixtur-Response-Design mit diesen Designeinschränkungen ausprobiert. Und als ich Antworten simulierte und ein Modell erstellte, um die Modelldiagnose zu überprüfen, stellte ich fest, dass der VIF für eingeschränkte Variablen zu hoch ist, was auf verwirrende Effekte hindeutet. Ich denke, der hohe VIF liegt an der hohen Korrelation zwischen x5 und seinen Kreuzbegriffen mit anderen Variablen. Dies kann durch Betrachten der Korrelation von Schätzungen bestätigt werden.
Vor diesem Hintergrund habe ich einige Fragen.
1. Ist das Design der Mixtur-Response-Oberfläche der beste Ansatz für mein Problem? Oder sollte ich so etwas wie einen sequentiellen Designansatz versuchen. Es gibt ein wenig Literatur zur sequentiellen Designanwendung für binäre Antwortmodelle.
2. Wie kann ich den VIF oder die Verwechslung zwischen einer eingeschränkten Variablen und ihren Kreuzbegriffen reduzieren?
Ich freue mich über jede Hilfe, die meine Probleme löst. Bitte lassen Sie mich wissen, wenn weitere Informationen erforderlich sind.
Grüße
- Praveen.
Re: Mixture DOE für binäre AntwortVIFs sind für Mischungsdesigns nicht sehr wichtig und das ist auch gut so!Sie sind immer hoch.Wenn es Ihr Ziel ist, Vorhersagen zu treffen, sind die VIFs immer irrelevant.Wenn Ihr Ziel das Screening ist, benötigen Sie eine andere Technik als den Vergleich der Effekte.Ein gutes Regressionsmodell kann gute Vorhersagen treffen, selbst wenn es Effekte nicht gut abschätzen kann.Ein besserer Test für die Designqualität wäre in diesem Fall die Bedingungsnummer, aber ich glaube nicht, dass JMP diese bereitstellt (obwohl Sie sie erhalten können, wenn Sie ein Skript schreiben).Wenn das Protokoll der Bedingungsnummer größer als 5 ist, seien Sie vorsichtig – andernfalls sollte es Ihnen gut gehen.
Re: Mixture DOE für binäre Antwort"Spielt der hohe VIF in einem Mischungsdesign (insbesondere für den Engbereichsfaktor) im endgültigen Modell eine Rolle!? Denn der hohe VIF scheint auf die Korrelation mit seinen Kreuzbegriffen zurückzuführen zu sein."
Eine Sache, die mir einfällt, wenn ich diese Frage oben lese: Vielleicht könnten Sie zusätzlich zu den DOE-Versuchen einige Validierungsversuche durchführen, um das endgültige Modell zu validieren – ähnlich wie beim Training, Testen und Validieren, wie es bei der Verwendung der Partitions- und Neuralplattformen der Fall ist.
Re: Mixture DOE für binäre AntwortEs gibt gute und schlechte Nachrichten.
Die schlechte Nachricht ist, dass die VIFs ein Ergebnis der Beziehungen zwischen Ihren X sind. Wie bereits erwähnt, haben Mischungen IMMER eine gewisse Beziehung. Diese Beziehung ist sogar noch stärker, wenn Sie enge Bereiche für eine der Komponenten haben (wie Sie gesehen haben). Es spielt keine Rolle, mit welchem Ansatz Sie das Design erstellen, diese Kollinearität wird vorhanden sein.
Die gute Nachricht ist, dass die VIFs in der Analyse durch die Verwendung von Pseudokomponenten-Codierung etwas reduziert werden können. JMP schaltet diese Funktion automatisch für Sie ein. Die Pseudokomponentencodierung reduziert die Kollinearität so weit wie möglich, indem Sie Ihre Mischungsfaktoren codieren, um den Bereich so weit wie möglich zu "erweitern".
Wenn Sie Ihr Scheffe-Mischungsmodell in JMP anpassen, können Sie sehen, dass Pseudokomponenten-Codierung in der Parameterschätzungstabelle verwendet wird. Ein Term sieht aus wie (X-0,2)/0,7, was anzeigt, dass die Codierung verwendet wird.
JMP Education bietet einen Kurs zum Design und zur Analyse von Mischungsexperimenten an, der Pseudokomponentencodierung und vieles mehr behandelt.
Re: Mixture DOE für binäre AntwortDanke für die Antwort LouV!!
Ich verstehe die Auswirkungen des Mischungsdesigns auf die Art der gegenseitigen Abhängigkeit von Faktoren. In meinem Fall schießen die VIFs jedoch in die Höhe, sobald einer der Faktoren einen engen Bereich hat. Angehängt sind zwei JMP-Dateien: eine ist ein benutzerdefiniertes Design (CD_5var.jmp) mit fünf Mischungsfaktoren mit einem Bereich von 0 bis 0,5. Das Modell ist in diesem Fall mit allen VIFs kleiner als 5 anständig. Das zweite Design (CD_5var_narrow.jmp) ähnelt dem ersten, außer dass der Bereich auf x5 schmal ist (0,5 < x5 < 0,6). Und in diesem Fall ist der VIF für x5 ~800, und x5*xi haben auch höhere VIFs. Ich habe mir auch die Korrelation von Schätzungen angesehen, und sie zeigt deutlich eine hohe Korrelation von x5 mit den Kreuztermen.
Die Frage ist also ... spielt der hohe VIF in einem Mischungsdesign (insbesondere für den Engbereichsfaktor) im endgültigen Modell eine Rolle!? Denn der hohe VIF scheint auf die Korrelation mit seinen Kreuzbegriffen zurückzuführen zu sein.
Und um die andere Frage zu wiederholen: Gibt es eine Alternative zum benutzerdefinierten Mischungsdesign, die die Probleme mit VIFs verringert? Zum Beispiel ein sequentieller Designansatz!?
LouV ... Ihr Link zu den Auswirkungen der Codierungseigenschaft auf die VIFs ist interessant. Ich werde es weiter verfolgen und sehen, ob es hilft.
Hinweis: Die Antwort „y“ ist eine simulierte Antwort. Letztendlich wird dies eine binäre Antwort sein.
Vielen Dank
- Praveen.
Re: Mixture DOE für binäre AntwortPraveen,
Die VIFs in einem Mischungsdesign sind aufgrund der nicht unabhängigen Natur der Mischung, die sich zu 1 summiert, sehr groß. Das heißt, obwohl Sie im Wesentlichen 5 Faktoren untersuchen, benötigen Sie aufgrund dieser Eigenschaft nur 4, um den 5. zu verstehen.
Dies wurde möglicherweise in diesem JMP-Benutzer-Community-Thread beantwortet ...
Hohes VIF in begrenztem Designraum | Gemeinschaften auf SAS
Eine großartige Referenz zu diesem Thema ist Cornells Buch über Mixture Design.
