因子に対する RSM 適合の問題親愛なる JMP の専門家の皆様
5 つの因子 (添付データセットの X_1 から X_5) と 5 つの応答 (X_6 から X_10) を使用して、応答曲面 DoE を実行していました。 主な応答に重大な外れ値があり、適合度が大幅に不足しています。 今私の質問：
1) このような状況に対処するにはどうすればよいですか? このデータセット (および応答) を使用して DoE から情報を取得するにはどうすればよいですか?
2) 外れ値を除外しても、RSM にうまく適合させることはできますか?
3) 適合性を高めるのに役立つ可能性のあるデータ変換はありますか?
ご協力いただきありがとうございます！
一番
分析データ表DOERe: 係数に対する RSM 適合の問題1. 変換は、データをより正規分布にするパラメータを見つけようとします。
2. プロファイラーと保存された予測式は元の縮尺で表示されます。 そのため、プロファイラーを対数スケールに変更すると、モデルがより解釈しやすくなります。
3.データが非常に歪んでいる場合、線形回帰の基本的な仮定は無視されます。
また、おそらくもっと重要なこととして、対象分野の専門知識が変革に影響を与えます。 たとえば、ウイルス数や細胞数などは、log または log10 に変換される傾向があります。 しかし、あなたが何を測定しているのかわからないので (生物学者の友人によるウィンク/うなずき)、可能な限り最良のモデルを得るために、JMP が提案した Box-Cox 変換を使用しました。
Box Cox 変換を逆変換した予測式。
計算の功績を認めたいのですが、JMP は自動的に計算してくれます
Re: 係数に対する RSM 適合の問題こんにちは。
ご回答ありがとうございます。実際に BoxCox 変換が機能しました。 私は生物学者であり、DoE の世界ではまったく新しいので、いくつか質問があります。
1) 生データのデータ変換を行っているため、BoxCox 変換はデータの信頼性にどのように影響しますか?
2) 応答値が変換されました。予測プロファイラーで因子を変更したときに、変換されていない応答を確認するにはどうすればよいですか。 比較のために必要です。
3) データ変換が推奨されるのはいつですか? データセットが歪んでいる場合、データセットを変換するだけで、データを再度適合させるのは、私には少し恣意的に感じます。
ご協力ありがとうございました。
サイモン
Re: 係数に対する RSM 適合の問題データセットのモデリングを少しいじりました。
X6用のこのモデルはかなり良さそうです
Fit Model(
Y(
Transform Column(
"BoxCox(X__6,-0.249)",
Formula( (:X__6 ^ (-0.249) - 1) / -0.0000000005401720099 )
)
),
Effects(
:X__1 & RS, :X__5 & RS, :X__1 * :X__5, :X__2 * :X__4, :X__4 * :X__4, :X__4,
:X__2
),
Personality( "Standard Least Squares" ),
History( Y( :X__6 ) ),
Emphasis( "Effect Screening" ),
Run(
Profiler(
1,
Confidence Intervals( 1 ),
Term Value(
X__1( 8, Lock( 0 ), Show( 1 ) ),
X__5( 250, Lock( 0 ), Show( 1 ) ),
X__2( 160, Lock( 0 ), Show( 1 ) ),
X__4( 0.09292, Lock( 0 ), Show( 1 ) )
)
),
:"BoxCox(X__6,-0.249)"n << {Summary of Fit( 0 ), Analysis of Variance( 0 ),
Parameter Estimates( 1 ), Effect Details( 0 ), Sorted Estimates( 0 ),
Plot Actual by Predicted( 1 ), Plot Regression( 0 ),
Plot Residual by Predicted( 1 ), Plot Studentized Residuals( 1 ),
Plot Effect Leverage( 0 ), Plot Residual by Normal Quantiles( 0 ),
Box Cox Y Transformation( 1 )}
)
)
x6 にはかなり乱暴な変換がありますが、簡単でした。
Box Cox 変換オプションをオンにしてから、Box-Cox Transformations アウトライン バーの赤い三角形から Refit with Transform を選択します。
モデルは縮小された一連の因子を使用します
また、プロファイラーの Y 軸を Linear から Log に変更して、応答曲面をよりよく確認してください。
予測プロファイラー
縮小モデルを取得する際に少しごまかした可能性があります。 JMP Pro では、一般化回帰、なげなわ、Leave One out 検証を使用してから、アクティブな効果で再起動し、主効果を追加し直しました (なげなわで効果の遺伝を強制しませんでした)。
行 4 を除外すると、モデル統計が改善されます。 x6 の場合、それは潜在的な外れ値のように見えます。 モデルを縮小した後、この 1 回の実行が失われても、計画の品質への影響は最小限に抑えられます。
Re: 係数に対する RSM 適合の問題こんにちは。
ご回答ありがとうございます。 主な応答は X_6、X_7、および X_9 です。 特に X_6 は、分析の主な関心事です。
外れ値を意味していたのは、当てはまりが大幅に不足していたためです (0.0019 であり、実際の予測プロットと残差プロットでは、データセットが母集団に「分割」されていることがわかります (以下の最小二乗法ファイルの当てはめを参照してください)。 . ~1 E+07 未満のすべてのデータは、1E+07 を超えるデータと比較して異なる傾向を示しています (ここでは、行 14、15、17、20、および 24 です)。 データセットをクリアした後でも、予測されたプロットによる実際のプロットと予測されたプロットによる残差では、適合の欠如が依然として顕著で明らかです。
X_6 の対数変換を試みましたが、データセットの見栄えが良くないか、適合しません (以下の対数変換ファイルを参照)。
このデータセットをどのように扱うのですか?ここでの変換は本当に正しいものですか?
私の仮説は、この「分割された母集団」は、応答を測定するために使用したデバイス検出器の非線形性によるものであるというものです (1+E07. これはデータセットの説明ですか? 実験にはかなりの費用がかかり、結果は下流のプロセスに大きな影響を与えるため、ご協力をお願いいたします。 ちなみに、X_8 は応答であり、私の分析にはあまり必要ありません。
お時間をいただきありがとうございました:)助けてください。将来のプロジェクトのために、あなたとデータセットの問題から学べることを願っています。
よろしくお願いします、
サイモン
Re: 係数に対する RSM 適合の問題
「主な応答に重大な外れ値があり、適合度が著しく不足しています」
主な回答はどれですか? X_6、X_7、X_8、X_9、または X_10?
「重大な外れ値」とはどういう意味ですか?5 つの応答すべての残差プロットを調べたところ、明らかな外れ値と見なされる観測が 1 つだけ見られました。それは、中心点の 1 つである応答 X_10 の行 12 でした。
変換に関して、応答 X_6 と X_8 は大きく歪んでおり、対数変換の恩恵を受けます。
