Diseño del experimento de elección de diseño factorial fraccionadoHola,
Estoy usando JMP para crear mi perfil de elección para el experimento de elección discreta. Tengo dos atributos con 3 niveles y cuatro atributos con 4 niveles. Esto hace que el diseño factorial completo tenga 144 combinaciones posibles. Sin embargo, esta no puede incluir todas las opciones en la encuesta, ya que puede resultar tedioso para los encuestados responder. Por esta razón, quiero diseñar mi experimento utilizando el método factorial fraccionado donde JMP elegirá un subconjunto de la combinación general. Quería preguntar cómo creamos un diseño de elección basado en un diseño factorial fraccionado.¿Hay algo importante a tener en cuenta mientras JMP elige el susbet? ¿Cómo sabemos que JMP hace la mejor elección de subconjunto?
AnalíticaGAMAOtroRe: Diseño del experimento de elección de diseño factorial fraccionalHola @rm7399 ,
¡Bienvenido a la Comunidad!
Creo que es posible que necesitemos información adicional para ayudarlo de manera más precisa con su problema.
¿Está utilizando la plataforma de diseño personalizado (o diseño clásico, factorial completo) para crear su plan experimental?
O si realmente estás haciendo un experimento de elección , lo que significa que varios respondedores tienen que elegir el mejor perfil de producto de un conjunto de posibles perfiles (productos) que se proponen en varios conjuntos de elección, ¿está utilizando diseños de Elección (DoE -> Estudios del Consumidor -> Diseño de Elección)?
El objetivo de estos dos tipos de diseño (diseño personalizado/factorial fraccionado o diseño de elección) será bastante diferente:
- En el Diseño personalizado, puede ajustar la cantidad de experimentos que ejecuta especificando qué términos desea estimar en su modelo. Tal vez, como primer paso, solo podría filtrar los efectos principales, lo que debería darle un número recomendado de ejecución de 32 con los factores que ha especificado (solo categórico, vea la captura de pantalla "Custom-design_categorical").
- En el diseño Choice, hay más elementos para especificar (además de los factores, consulte la captura de pantalla "Design-choice_parameters"), que tendrán un impacto directo en la cantidad de experimentos a ejecutar: tendrá que tener en cuenta, por ejemplo, la cantidad de encuestados, de conjuntos de elección, perfiles por conjuntos de elección, etc... El objetivo no será el mismo, será elegir el perfil de producto más óptimo entre diferentes perfiles mezclados y evaluados en diferentes conjuntos de elección. La evaluación la realizan varios encuestados y con varios grupos diferentes de perfiles/productos, mientras que el diseño factorial fraccionado mencionado anteriormente debe tener los (32) productos diferentes evaluados al mismo tiempo (a menos que especifique una variable de bloqueo como el día para dividir las evaluaciones). en varios días).
Si puede explicar un poco más sobre su objetivo (sin compartir ningún dato confidencial/privado/sensible), sería mucho más fácil averiguar qué tipo de diseño se adapta mejor a su estudio.
Perdón por la demora, espero que esta primera respuesta te ayude,
Re: Diseño del experimento de elección de diseño factorial fraccionadoHola Víctor,
Gracias por volver a mí. Esta respuesta definitivamente ayuda. Menciono a continuación más sobre mi estudio. Sería genial si pudieras ayudarme con esto.
Estoy realizando experimentos de elección con mis encuestados. Como dijiste, he usado Diseños de elección (DoE -> Estudios del consumidor -> Diseño de elección) para crear mis perfiles de elección.
En el diseño de opciones, mencioné más información como la cantidad de encuestados por encuesta (200), la cantidad de conjuntos de opciones (8), los perfiles por conjunto de opciones (2), la cantidad de atributos que pueden cambiar dentro de un conjunto de opciones (6) número de encuestas (3).
Para brindarle una base, estoy realizando experimentos de elección con los encuestados en los que les presentaré un conjunto de perfiles de elección entre los cuales deberán seleccionar el que prefieran. Tengo 6 factores (rasgos), 2 factores con 3 niveles y 4 factores con 2 niveles. La combinación total posible con este conjunto sería 144. Sin embargo, no podemos incluir 144 combinaciones en la encuesta.Por esa razón, decidí mencionar 3 encuestas para poder asignar aleatoriamente un bloque/encuesta a un participante.
JMP me entregó 3 encuestas con las posibles combinaciones. ¿Puedo decir que este es un diseño factorial fraccionado porque obtuve 48 combinaciones posibles (un subconjunto de 144 combinaciones)? ¿Es esta la forma correcta de hacerlo? Además, ¿cómo puedo verificar el nivel de eficiencia d? He leído trabajos de investigación sobre experimentos de elección que han utilizado JMP y, a menudo, mencionan la puntuación de eficiencia d. No soy capaz de averiguar cómo puedo verificar eso.
Gracias
Re: Diseño del experimento de elección de diseño factorial fraccionadoHola @rm7399 ,
Los diseños de elección pueden verse como un subconjunto específico del diseño factorial fraccionado, con solo factores categóricos, una respuesta de elección discreta y, a menudo, algunas restricciones (por ejemplo, la cantidad de factores/atributos que pueden cambiar en un subconjunto de experimentos/conjunto de elección). Como mencionas, solo estás haciendo un subconjunto de todas las combinaciones posibles, ya que solo te interesan los efectos principales.
Quizás pueda ver este video, que muestra una presentación paso a paso de la creación y el análisis de Choice Designs, puede ayudarlo en el proceso de creación y análisis de su diseño: Estudios de casos sobre el diseño y análisis de experimentos de elección discreta utilizando JMP® - Comunidad de usuarios de JMP
Una forma de ver el puntaje de eficiencia D sería ir a DoE -> Diagnóstico de diseño (jmp.com) -> Evalúe el diseño e ingrese solo sus factores categóricos. Tendrás al final del informe las diferentes puntuaciones de eficiencia. Los puntajes de eficiencia son información interesante, pero más valiosa cuando se toman y usan en la comparación de varios diseños.
Espero que estas informaciones te ayuden,
