안녕하세요,
이전에 요청한 적이 있다면 사과드립니다. 게시하기 전에 검색 기능을 사용했는데 이 포럼에서 아무 것도 찾을 수 없었습니다.
고정 및 무작위 효과가 프로세스 출력에 어떻게 기여하는지 더 깊이 이해하기 위해 DoE에 대한 혼합 모델을 탐색하고 있습니다. 그러나 고정 효과 회귀 매개변수를 단순화하기 위해 역방향 제거를 수동으로 사용하려고 할 때 매개변수 추정치(예: 내 목적에 중요한 내 절편)에 대한 신뢰 구간이 정말 넓어지는 것을 알았습니다. 프로파일러의 넓고 고르지 않은 신뢰 구간.
단순한 모델이 더 나은 분산/표준 오차 측정을 위해 더 많은 자유도를 확보하여 신뢰 구간을 더 작게 만들 것이라고 생각했지만 그 반대가 사실로 보입니다. 임의 효과의 복잡성을 증가시킬 때 이러한 효과가 더 두드러진다는 점은 주목할 가치가 있습니다(예: 매개 변수를 임의 블록으로 연결하는 것과 각 임의 요인에 대해 분산 구성 요소 분석을 개별적으로 수행하는 것).
시뮬레이션 결과를 사용하여 빌드하고 탐색하려고 시도한 DoE의 예를 아래에서 참조하십시오(표시되지 않음).
X1 X2 및 X3은 고정 요인이고 나머지는 임의 요인입니다.
도움을 주시면 감사하겠습니다! 지금까지 최선의 조치는 전체 반응 표면 모델을 유지하고 이 시점에서 단계적 소거 옵션을 탐색하지 않는 것 같습니다.
최상의,
매트
