Disegno fattoriale frazionario - Termini aliasCiao,
Ho creato un disegno fattoriale frazionario con 4 fattori continui.
Ottengo la seguente valutazione del progetto (vedi allegato).
Cosa spiega che X2*X3, X2*X4 e X3*X4 non sono nel modello?
Grazie per il vostro sostegno!
Chiara
Progettazione di esperimentiQualità e ingegneria di processoRi: Disegno fattoriale frazionario - Termini aliasHai 7 gradi di libertà e non puoi inserire 2 degli stessi gradi di libertà nel modello, quindi sì alla prima domanda. Sebbene sia possibile utilizzare anche l'alias di ciascuno degli effetti del 2° ordine. Sì alla seconda domanda, no alla terza. Hai un progetto di risoluzione IV. Ciò significa che il progetto è stato generato aliasando un effetto di terzo ordine con un effetto di primo ordine (ad esempio, D=ABC). Identità per questo esperimento: I=ABCD. In questo caso, ci sono coppie di effetti di secondo ordine che sono aliasati (es. AB=CD, AC=BD e AD=BC). Aliasing equivale a confondere. Gli effetti di entrambi AB E I CD sono "catturati" insieme e non sono separabili in questo esperimento. Solo perché lo chiami qualcosa nel modello non significa che l'interazione sia l'unico effetto stimato.
I fattoriali frazionari si basano sui seguenti principi:
1. Scarsità: solo alcuni dei molti fattori hanno un effetto causale sulla risposta
2. Gerarchia: 1°>2°>>3°>>>4°...
2. Ereditarietà: affinché un termine di ordine superiore sia "attivo", almeno un genitore dovrebbe essere attivo
Ri: Disegno fattoriale frazionario - Termini aliasCIAO @cbaril ,
Alcuni elementi per rispondere alle tue domande:
Poiché stai utilizzando un disegno fattoriale frazionario con 4 fattori e 8 esperimenti, ciò significa che puoi stimare 8 termini: l'intercetta, i 4 effetti principali (di ciascun fattore) e 3 interazioni a due fattori.
Hai almeno due scelte qui per mantenere lo stesso numero di esperimenti (ma non sarai comunque in grado di stimare tutti i 2FI con il numero di esperimenti che hai corretto (8)):
- O costruisci un disegno fattoriale frazionario nel "modo tradizionale" o nel modo orientato all'esperienza del dominio (come hai fatto tu), quindi puoi scegliere quali 3 interazioni a due fattori possono essere stimate, ma il resto delle interazioni non può essere stimato , a causa degli alias (correlazioni) tra queste interazioni. Non avrai abbastanza esperimenti/grado di libertà per testare e stimare i restanti 2FI. Quindi ti ritroverai con un modello in grado di stimare gli effetti principali X1, X2, X3, X4 e 2FI X1*X2, X1*X3 e X1*X4. Se due 2FI sono aliasati (come X1*X3 e X2*X4), ciò significa che questi due 2FI non possono essere stimati separatamente, "isolati", quindi come dici, non sarai in grado di differenziare se un cambiamento nel la risposta proviene da X1*X3 o da X2*X4. L'analisi implicherà per impostazione predefinita che le modifiche provengono da X1*X3 poiché questo termine è stato inserito nel modello.
- Oppure costruisci un disegno fattoriale frazionario impostando la stimabilità dell'effetto principale come "Necessario" e tutti i 2FI come "Se possibile" oppure inserisci direttamente tutti i 2FI nei termini del modello da "Fit Model" e usi la regressione graduale o metodi simili, in modo da poter testare tra tutti i possibili 2FI quali sono i "più significativi" per entrare nel modello.
Ultima opzione (se possibile), puoi anche aumentare il numero di esperimenti per poter stimare ogni effetto principale e 2FI separatamente (altre 3 esecuzioni). Per questo, il numero minimo richiesto di esecuzioni sarebbe 11 per stimare i termini necessari: 1 intercettazione, 4 effetti principali e 6 interazioni a due fattori.
Spero che questa risposta ti possa aiutare,
Ri: Disegno fattoriale frazionario - Termini aliasAggiungo alle mie precedenti domande:
- Ho capito bene che i termini che possono essere esaminati sono i seguenti:
X1, X2, X3, X4, X1*X2, X1*X3, X1*X4?
- Nella matrice degli alias, vediamo che X1*X2 è aliasato con X3*X4. Ciò significa che se X1*X2 o X3*X4 sono significativi nel modello, non saremo in grado di dire quale dei due termini sta influenzando la risposta? O poiché solo X1*X2 è nel modello, sapremo che l'impatto sulla risposta è dovuto a X1*X2?
