Miscela DOE per repsonse binaria<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Ciao a tutti,
Ho bisogno di un consiglio per impostare un DoE.
L'obiettivo del DoE è costruire un modello (regressione logistica) per una risposta binaria (y) dipendente da cinque variabili continue (x1, x2, x3, x4, x5). Le cinque variabili devono sommarsi fino a 1, quindi un progetto di risposta della miscela potrebbe essere l'ideale. La risposta come menzionato è pass/fail a seconda della combinazione di variabili. Inoltre, ci sono dei vincoli su alcune delle variabili continue .... per esempio 0.4 < x4 < 0.5 ecc.
Ho provato un progetto di risposta mista con questi limiti di progettazione. E quando ho simulato le risposte e costruito un modello per controllare la diagnostica del modello, ho scoperto che il VIF è troppo alto per variabili vincolate che suggeriscono effetti confondenti. Penso che l'alto VIF sia dovuto all'elevata correlazione tra x5 e i suoi termini incrociati con altre variabili. Ciò può essere confermato osservando la correlazione delle stime.
Con quello sfondo ho un paio di domande.
1. La progettazione della superficie di risposta della miscela è l'approccio migliore per il mio problema? O dovrei provare qualcosa come un approccio di progettazione sequenziale. c'è un po' di letteratura sull'applicazione della progettazione sequenziale per i modelli di risposta binaria.
2. Come posso ridurre il VIF o il confondimento tra una variabile vincolata e i suoi termini incrociati?
Apprezzo qualsiasi aiuto che risolverà i miei problemi. Per favore fatemi sapere se sono necessarie ulteriori informazioni.
Saluti
- Praveen.
Re: Miscela DOE per ripetizioni binarieLe VIF non sono molto importanti per i design delle miscele ed è una buona cosa!Sono sempre alti.Se il tuo obiettivo è fare previsioni, le VIF sono sempre irrilevanti.Se il tuo obiettivo è lo screening, hai bisogno di una tecnica diversa rispetto al confronto degli effetti.Un buon modello di regressione può prevedere bene anche se non può stimare bene gli effetti.Un test migliore della qualità del design in questo caso sarebbe il Condition Number, ma non credo che JMP lo fornisca (sebbene tu possa ottenerlo se scrivi uno script).Se il registro del numero della condizione è maggiore di 5, fai attenzione, altrimenti dovresti andare bene.
Re: Miscela DOE per ripetizioni binarie"L'alto VIF in un design misto (soprattutto per il fattore di gamma ristretta) è importante nel modello finale!? Perché l'alto VIF sembra essere dovuto alla correlazione con i suoi termini incrociati".
Una cosa che mi viene in mente quando leggo questa domanda sopra: forse potresti eseguire alcune prove di convalida oltre alle prove DOE per convalidare il modello finale, in modo simile all'addestramento, al test e alla convalida come fatto quando si utilizzano le piattaforme Partition e Neural.
Re: Miscela DOE per ripetizioni binarieCi sono notizie buone e notizie cattive.
La cattiva notizia è che le VIF sono il risultato delle relazioni tra le tue X. Come già sottolineato, le miscele avranno SEMPRE qualche relazione. Questa relazione è ancora più forte quando hai intervalli ristretti per uno qualsiasi dei componenti (come hai visto). Non importa quale approccio utilizzi per creare il design, quella collinearità sarà presente.
La buona notizia è che le VIF possono essere leggermente ridotte nell'analisi utilizzando la codifica pseudocomponente. JMP attiverà automaticamente questa funzione. La codifica pseudocomponente ridurrà il più possibile la collinearità codificando i fattori di miscela per "espandere" l'intervallo il più possibile.
Quando si adatta il modello della miscela Scheffe in JMP, è possibile vedere che la codifica dello pseudocomponente viene utilizzata nella tabella Stime dei parametri. Un termine sarà simile a (X-0.2)/0.7 che indica che la codifica è in uso.
JMP Education ha un corso sulla progettazione e l'analisi di esperimenti di mistura che copre la codifica di pseudocomponenti e molto altro.
Re: Miscela DOE per ripetizioni binarieGrazie per la risposta LouV!!
Capisco l'impatto della progettazione della miscela sulla natura dell'interdipendenza dei fattori. Tuttavia, nel mio caso, le VIF salgono alle stelle una volta che uno dei fattori ha un intervallo ristretto. Sono allegati due file JMP: uno è un progetto personalizzato (CD_5var.jmp) con cinque fattori di combinazione con un intervallo da 0 a 0,5. Il modello in questo caso è decente con tutte le VIF inferiori a 5. Il secondo disegno (CD_5var_narrow.jmp) è simile al primo tranne per il fatto che l'intervallo su x5 è stretto (0,5 < x5 < 0,6). E in questo caso il VIF per x5 è ~800, e anche x5*xi ha VIF più alti. Ho anche esaminato la correlazione delle stime e mostra chiaramente un'elevata correlazione di x5 con i termini incrociati.
Quindi, la domanda è .... l'alto VIF in un progetto di miscela (soprattutto per il fattore di gamma stretta) è importante nel modello finale!? Perché l'alto VIF sembra essere dovuto alla correlazione con i suoi termini incrociati.
E per ripetere l'altra domanda è ... esiste un'alternativa al design della miscela personalizzata che ridurrà i problemi con le VIF? Ad esempio, un approccio progettuale sequenziale!?
LouV ... il tuo collegamento sull'impatto della proprietà di codifica sulle VIF è interessante. Seguirò e vedrò se questo può aiutare.
Nota: la risposta 'y' è una risposta simulata. Alla fine questa sarà una risposta binaria.
Grazie
- Praveen.
Re: Miscela DOE per repsonse binariaPraveen,
Le VIF in un disegno di miscela sono molto grandi a causa della natura non indipendente della miscela che si somma a 1. Vale a dire fondamentalmente, anche se stai studiando 5 fattori, in sostanza ne hai solo bisogno 4 per capire il 5 a causa di questa proprietà.
Potrebbe essere stata data una risposta in questo thread della community degli utenti JMP...
VIF elevato in uno spazio di progettazione limitato | Comunità su SAS
Un ottimo riferimento per questo argomento è il libro di Cornell su Mixture Design.
