Utilizzando lo strumento di valutazione del progetto in JMP, ho confrontato un progetto Box-Behnken con un progetto personalizzato (con 28 esecuzioni) per valutare 5 fattori con 3 livelli ciascuno (vedi sotto):
Dato il confronto, il design personalizzato è stato scelto per le corse sperimentali. Nella valutazione, ho trovato i termini quadratici statisticamente significativi (p<0,05) per una o più risposte, nonostante il potere di questi termini fosse basso come si vede nella tabella di valutazione del progetto. In alcuni casi, non trovo che questi siano praticamente significativi con la mia conoscenza del processo. La raccomandazione sarebbe quella di rimuovere questi termini dal modello? Quali altre metriche dovrebbero essere prese in considerazione?
Il significato di questi termini significa che contribuiscono all'accuratezza del modello e alle sue previsioni. La rimozione dei termini significa che i loro effetti fissi verranno conteggiati come effetti casuali e gonfieranno gli intervalli di confidenza delle previsioni. Non vedo un motivo per rimuovere questi termini. Qual è il vantaggio che ti aspetti dalla rimozione di questi termini?
Qual è la base della tua affermazione, " Non trovo che questi siano praticamente significativi con la mia conoscenza del processo. "? Cosa intendi?
Innanzitutto, benvenuto nella community. Rendetevi conto che gli strumenti di valutazione del progetto si basano su determinati presupposti (molti dei quali sono sconosciuti prima dell'esecuzione dell'esperimento). Ci sono una serie di fattori che influenzano la selezione del design. Tutto ciò dipende dalle tue previsioni. Vedere:
https://www.jmp.com/support/help/en/17.0/?os=mac&source=application#page/jmp/overview-of-the-evaluate-design-platform.shtml#
Per la tua situazione, hai scelto un design e l'hai eseguito, giusto? Come hai fatto a fare l'analisi? Se interpreto correttamente la tua analisi, sembra che tu non abbia creato alcuna variazione praticamente significativa nell'esperimento? Perché no? Ci sono 3 ragioni per questo:
1. I livelli non erano abbastanza audaci
2. I sistemi di misurazione non erano adeguati
3. I fattori non contano
(A proposito, questo è diverso dal caso in cui hai creato una variazione praticamente significativa ma non è assegnabile ai fattori che hai manipolato).
Quali DF sono stati utilizzati per la stima degli errori casuali (MSE)? C'è stata una replica? Quando dici che i termini quadratici sono statisticamente significativi, in base a quale confronto? È possibile condividere la tabella dei dati?
In generale, se si rimuovono elementi significativi dal modello, la loro varianza viene raggruppata nel termine di errore. Ciò aumenterà il termine di errore e renderà meno significativi altri fattori.
Non sono sicuro di cosa intendi per " Quali altre metriche dovrebbero essere prese in considerazione?". Qual è l'obiettivo dell'esperimento? Stai cercando di capire la struttura causale o di "scegliere un vincitore"? Stai costruendo o perfezionando un modello? Ci sono una serie di statistiche che possono essere utili per aiutarti a costruire il tuo modello.
