À l'aide de l'outil d'évaluation de conception de JMP, j'ai comparé une conception Box-Behnken avec une conception personnalisée (avec 28 exécutions) pour évaluer 5 facteurs avec 3 niveaux chacun (voir ci-dessous) :
Compte tenu de la comparaison, la conception personnalisée a été choisie pour les essais expérimentaux. Lors de l'évaluation, j'ai trouvé que les termes quadratiques étaient statistiquement significatifs (p <0,05) pour une ou plusieurs réponses, malgré la faible puissance de ces termes, comme le montre le tableau d'évaluation de la conception. Dans certains cas, je ne trouve pas que cela soit pratiquement significatif compte tenu de ma connaissance du processus. La recommandation serait-elle de supprimer ces termes du modèle ? Quelles autres mesures doivent être prises en compte ?
Tout d’abord, bienvenue dans la communauté. Sachez que les outils d'évaluation de la conception sont basés sur certaines hypothèses (dont beaucoup sont inconnues avant le lancement de l'expérience). Un certain nombre de facteurs influencent le choix de la conception. Tout cela dépend de vos prédictions. Voir:
https://www.jmp.com/support/help/en/17.0/?os=mac&source=application#page/jmp/overview-of-the-evaluate-design-platform.shtml#
Pour votre situation, vous avez choisi une conception et l'avez exécuté, n'est-ce pas ? Comment avez-vous procédé pour faire l'analyse ? Si j'interprète correctement votre analyse, il semble que vous n'ayez créé aucune variation pratiquement significative dans l'expérience ? Pourquoi pas? Il y a 3 raisons à cela :
1. Les niveaux n'étaient pas assez audacieux
2. Les systèmes de mesure n'étaient pas adéquats
3. Les facteurs n'ont pas d'importance
(BTW, c'est différent du cas où vous avez créé une variation pratiquement significative mais elle n'est pas attribuable aux facteurs que vous avez manipulés).
Quels DF ont été utilisés pour estimer les erreurs aléatoires (MSE) ? Y a-t-il eu une réplication ? Quand vous dites que les termes quadratiques sont statistiquement significatifs, sur quelle base de comparaison ? Est-il possible de partager votre table de données ?
En général, si vous supprimez des éléments significatifs du modèle, leur variance est regroupée dans le terme d'erreur. Cela gonflera le terme d’erreur et rendra d’autres facteurs moins significatifs.
Je ne sais pas ce que tu veux dire par " Quelles autres mesures doivent être prises en compte ? ». Quel est le but de l’expérimentation ? Essayez-vous de comprendre la structure causale ou de « choisir un gagnant » ? Êtes-vous en train de construire ou d’affiner un modèle ? Il existe un certain nombre de statistiques qui peuvent être utiles pour vous aider à construire votre modèle.
L'importance de ces termes signifie qu'ils contribuent à la précision de votre modèle et de ses prédictions. La suppression de ces termes signifie que leurs effets fixes seront comptés comme des effets aléatoires et gonfleront les intervalles de confiance des prédictions. Je ne vois aucune raison de supprimer ces termes. Quel avantage attendez-vous de la suppression de ces termes ?
Quelle est la base de votre déclaration : " Je ne trouve pas que ces éléments soient pratiquement significatifs compte tenu de ma connaissance du processus. " ? Que veux-tu dire?
