Entwerfen eines fraktionierten faktoriellen Design-Choice-ExperimentsHallo,
Ich verwende JMP, um mein Auswahlprofil für das Discrete-Choice-Experiment zu erstellen. Ich habe zwei Attribute mit 3 Ebenen und vier Attribute mit 4 Ebenen. Dadurch verfügt der vollständige faktorielle Versuchsplan über 144 mögliche Kombinationen. Allerdings können hier nicht alle Optionen in die Umfrage einbezogen werden, da die Beantwortung für die Befragten mühsam sein kann. Aus diesem Grund möchte ich mein Experiment mit der fraktionierten faktoriellen Methode entwerfen, bei der JMP eine Teilmenge aus der Gesamtkombination auswählt. Ich wollte fragen, wie wir ein Auswahldesign basierend auf einem fraktionierten faktoriellen Design erstellen können.Gibt es bei der Auswahl des Susbets durch JMP wichtige Dinge zu beachten? Woher wissen wir, dass JMP die beste Teilmenge wählt?
VersuchsplanungAndereBetreff: Entwerfen eines fraktionierten faktoriellen Design-Choice-ExperimentsHallo @rm7399 ,
Auswahldesigns können als spezifische Teilmenge des fraktionierten faktoriellen Designs angesehen werden, mit nur kategorialen Faktoren, einer diskreten Auswahlantwort und häufig einigen Einschränkungen (z. B. der Anzahl der Faktoren/Attribute, die sich in einer Teilmenge von Experimenten/Auswahlsätzen ändern können). Wie Sie bereits erwähnt haben, machen Sie nur eine Teilmenge aller möglichen Kombinationen, da Sie nur an den Haupteffekten interessiert sind.
Vielleicht können Sie sich dieses Video ansehen, das eine schrittweise Darstellung der Erstellung und Analyse von Choice Designs zeigt. Es kann Ihnen bei der Erstellung und Analyse Ihres Entwurfs hilfreich sein: Fallstudien zum Entwerfen und Analysieren von Discrete-Choice-Experimenten mit JMP® – JMP-Benutzergemeinschaft
Eine Möglichkeit, den D-Effizienz-Score zu betrachten, wäre, zu DoE -> zu gehen Designdiagnose (jmp.com) -> Bewerten Sie das Design und geben Sie nur Ihre kategorialen Faktoren ein. Am Ende des Berichts werden Ihnen die verschiedenen Effizienzwerte angezeigt. Effizienzwerte sind interessante Informationen, aber wertvoller, wenn sie beim Vergleich mehrerer Designs herangezogen werden.
Ich hoffe, diese Informationen helfen Ihnen weiter,
Betreff: Entwerfen eines fraktionierten faktoriellen Design-Choice-ExperimentsHallo Victor,
Danke, dass du auf mich zurückkommst. Diese Antwort hilft definitiv. Im Folgenden erwähne ich mehr über mein Studium. Es wäre großartig, wenn Sie mir dabei helfen könnten.
Ich führe Auswahlexperimente mit meinen Befragten durch. Wie Sie erwähnt haben, habe ich verwendet Choice Designs (DoE -> Consumer Studies -> Choice Design) zur Erstellung meiner Choice-Profile.
Im Auswahldesign habe ich weitere Informationen erwähnt, wie die Anzahl der Befragten pro Umfrage (200), die Anzahl der Auswahlsätze (8), die Profile pro Auswahlsatz (2), die Anzahl der Attribute, die sich innerhalb eines Auswahlsatzes ändern können (6). Anzahl der Umfragen (3).
Um Ihnen einen Hintergrund zu geben, führe ich Auswahlexperimente mit Befragten durch, bei denen ich ihnen eine Reihe von Auswahlprofilen präsentiere, aus denen sie ihr bevorzugtes auswählen müssen. Ich habe 6 Faktoren (Merkmale), 2 Faktoren mit 3 Stufen und 4 Faktoren mit 2 Stufen. Die insgesamt mögliche Kombination mit diesem Set wäre 144. Allerdings können wir nicht 144 Kombinationen in die Umfrage einbeziehen.Aus diesem Grund habe ich mich entschieden, 3 Umfragen zu erwähnen, damit ich einen Block/eine Umfrage zufällig einem Teilnehmer zuordnen kann.
JMP hat mir 3 Umfragen mit den möglichen Kombinationen gegeben. Kann ich sagen, dass es sich um einen fraktionierten faktoriellen Versuchsplan handelt, weil ich 48 mögliche Kombinationen (eine Teilmenge von 144 Kombinationen) habe? Ist das der richtige Weg? Wie kann ich außerdem den D-Effizienzgrad überprüfen? Ich habe Forschungsarbeiten zu Auswahlexperimenten gelesen, bei denen JMP verwendet wurde, und sie erwähnen oft den D-Effizienz-Score. Ich kann nicht herausfinden, wie ich das überprüfen kann.
Danke
Betreff: Entwerfen eines fraktionierten faktoriellen Design-Choice-ExperimentsHallo @rm7399 ,
Willkommen in der Community!
Ich glaube, wir benötigen möglicherweise zusätzliche Informationen, um Ihnen bei der Lösung Ihres Problems genauer helfen zu können.
Verwenden Sie die Custom Design-Plattform (oder Classical Design, Full Factorial), um Ihren Versuchsplan zu erstellen?
Oder wenn Sie wirklich eine tun Wahlexperiment , was bedeutet, dass mehrere Befragte das beste Produktprofil aus einer Reihe möglicher Profile (Produkte) auswählen müssen, die in verschiedenen Auswahlsätzen vorgeschlagen werden. Verwenden Sie Choice-Designs (DoE -> Verbraucherstudien -> Choice Design)?
Das Ziel dieser beiden Designarten (kundenspezifisches Design/fraktioniertes faktorielles Design oder Wahldesign) wird sehr unterschiedlich sein:
- Im benutzerdefinierten Design können Sie die Anzahl der durchgeführten Experimente anpassen, indem Sie angeben, welche Terme Sie in Ihrem Modell schätzen möchten. Vielleicht könnten Sie als ersten Schritt nur die Haupteffekte überprüfen, was Ihnen eine empfohlene Anzahl von Durchläufen von 32 mit den von Ihnen angegebenen Faktoren ergeben sollte (nur kategorisch, siehe Screenshot „Custom-design_categorical“).
- Im Choice-Design müssen mehr Elemente angegeben werden (als nur die Faktoren, siehe Screenshot „Design-choice_parameters“), die sich direkt auf die Anzahl der durchzuführenden Experimente auswirken: Sie müssen beispielsweise die Anzahl der Befragten berücksichtigen, Anzahl der Auswahlsätze, Profile pro Auswahlsatz usw. Das Ziel wird nicht dasselbe sein, es wird darin bestehen, das optimalste Produktprofil aus verschiedenen Profilen auszuwählen, die in verschiedenen Auswahlsätzen gemischt und bewertet werden. Die Bewertung erfolgt durch mehrere Befragte und mit mehreren verschiedenen Gruppen von Profilen/Produkten, wohingegen beim oben erwähnten fraktionierten faktoriellen Design die (32) verschiedenen Produkte gleichzeitig bewertet werden sollten (es sei denn, Sie geben eine Blockierungsvariable wie Tag an, um die Bewertungen aufzuteilen an mehreren Tagen).
Wenn Sie Ihr Ziel etwas näher erläutern können (ohne vertrauliche/private/sensible Daten preiszugeben), wäre es viel einfacher herauszufinden, welcher Designtyp am besten zu Ihrer Studie passt.
Entschuldigung für die Verzögerung, ich hoffe, diese erste Antwort wird Ihnen helfen,
