Hallo,
Entschuldigung, falls dies schon einmal gefragt wurde. Ich habe vor dem Posten die Suchfunktion benutzt und in diesem Forum nichts gefunden.
Ich untersuche gemischte Modelle für DoE, um ein tieferes Verständnis dafür zu erlangen, wie feste und zufällige Effekte zu einer Prozessausgabe beitragen. Wenn ich jedoch versuche, die Rückwärtseliminierung manuell zu verwenden, um meine Regressionsparameter mit festen Effekten zu vereinfachen, stelle ich fest, dass die Konfidenzintervalle für meine Parameterschätzungen (z. B. mein für meine Zwecke wichtiger Schnittpunkt) sehr breit werden, was sich auch in widerspiegelt breite und ungleichmäßige Konfidenzintervalle im Profiler.
Ich hätte gedacht, dass einfachere Modelle mehr Freiheitsgrade für bessere Varianz- / Standardfehlermessungen freisetzen und somit die Konfidenzintervalle kleiner machen würden, aber das Gegenteil scheint der Fall zu sein. Es ist erwähnenswert, dass diese Effekte ausgeprägter sind, wenn ich die Komplexität meiner Zufallseffekte erhöhe (z. B.: Verketten von Parametern als Zufallsblock im Vergleich zur Durchführung einer Varianzkomponentenanalyse für jeden Zufallsfaktor einzeln).
Unten sehen Sie ein Beispiel für ein DoE, das ich mithilfe von simulierten Ergebnissen (nicht gezeigt) zu erstellen und zu untersuchen versucht habe:
X1, X2 und X3 wären feste Faktoren, während der Rest in meinem Beispiel zufällige Faktoren sind.
Jede Hilfe wäre willkommen! Bisher sieht es so aus, als wäre meine beste Vorgehensweise, das vollständige Antwortoberflächenmodell beizubehalten und an dieser Stelle keine schrittweisen Eliminierungsoptionen zu untersuchen.
Am besten,
Matt
