613030_zh-CN

liliconcom

了解因子筛选平台的“变更生成规则”选项卡

大家好你们好，

 

我正在设置因子筛选设计，并希望调整 2FI 混叠，使其符合我预期的交互。

 

我想要的是 [执行透析]x[最大离心百分比] 与 [咪唑]x[覆盖表面积] 别名

我的问题是我无法理解设计生成过程中“更改生成规则”选项卡的逻辑。
我读了帮助主题但我还是迷失了。

我该如何解释那个奇怪的表格。 我所做的一切都感觉是随机的，并且有一半的时间我最终都会得到与主效果混叠的块效果。

 

干杯本

 

 

实验设计回复：了解因子筛选平台的“变更生成规则”选项卡

我们正在讨论替代设计的优缺点。 如果最后一个因素被定义为具有两个固定水平的分类因素，则会受到影响。 尽管如此，与仅具有主效应的常规分数阶乘设计相比，它仍然为估计效应提供了更多可能性，尽管精度有所降低。

回复：了解因子筛选平台的“变更生成规则”选项卡

我同意你的解决方法@马克贝利，但我看到两个潜在的问题/困难：

 

1. 如果将浓度循环指定为分类因子，您将失去 DSD 的一些具有完全非混叠主效应的属性（与通过 16 次运行的 A 最佳筛选设计获得的效果不同）：
   

   因此，您对主效应的参数估计不如您在自定义设计中使用正确的因子类型获得的精确度，再运行 2 次：您可能会面临 CI 长度的小幅增加，以及估计的标准误差稍高。 而且您将无法知道 1 个周期会发生什么，因为该因素的分类级别仅为 0 和 2。

2. 如果使用连续因子，则 DSD 可以正常工作，并且可能不会失去任何良好的特性，但如果使用预测刻画器或任何类似平台，建模将不会 100% 准确，因为它可以为任何值在 0 到 2 之间，没有限制，实验中并非如此。 您始终可以对找到的最佳值进行舍入，但是当您有良好的替代方法时，为什么要做这么多事情来适应这种特殊设计呢？

 

我通常赞成 DSD，它们是非常好的设计，具有有趣的特性，但我不认为“转变”因素或适应设计的实验空间是一个好主意（并且与 JMP 哲学“适合”完全相反）针对您的问题进行设计，而不是将您的问题纳入设计”）。

 

最好的，

 

回复：了解因子筛选平台的“变更生成规则”选项卡

您还可以考虑添加高阶项并将其可估计性更改为“如果可能”。 这里的想法是，您正在筛选并想要一个经济的设计。 您可以通过这种方式减少最小运行次数。 最小数量等于可估计性为“必要”的项的数量。 您希望为您认为可能活跃的每个“如果可能”术语添加回 3-4 次运行。 例如，如果我预计三个交互项处于活动状态，但不知道是哪些，我会在最小值之上添加三次 3 到 4 或 9-12 游程。

 

此外，如果分析表明第一次遗漏了某些效果，您可以在完成分析后增强原始设计。

回复：了解因子筛选平台的“变更生成规则”选项卡

离散数值因子仅使用两个水平，因此可以将其定义为连续或分类因子。 这一变化将使最终的筛选设计成为候选。

 

DOE(
 Definitive Screening Design,
 {Add Response( Maximize, "Y", ., ., . ), Add Factor( Blocking, 0, "Block" ),
 Add Factor( Continuous, 0, 100, "Imidazol conc.", 0 ),
 Add Factor( Categorical, {"Yes", "No"}, "Perform dialysis in cartridge", 0 ),
 Add Factor( Categorical, {"Homemade", "Readymixed"}, "Dialysis buffer", 0 ),
 Add Factor( Continuous, 0, 100, "Covered surface in fridge", 0 ),
 Add Factor( Continuous, 0, 100, "Centrifugation", 0 ),
 Add Factor( Categorical, {"0", "2"}, "Concentration cycles", 0 ),
 Show Blocking Options( 1, 4 ), Number of Extra Runs( 4 ),
 Set Random Seed( 2118942861 ), Make Design, Simulate Responses( 0 ),
 Save X Matrix( 0 )}
);

回复：了解因子筛选平台的“变更生成规则”选项卡

哈，我以为只有我这么想（尽管我不认为自己是专家！）。 与 Victor 类似，我必须“尝试”配置并不断检查别名以获得我想要的。

 

很好奇，为什么要4块？ 当然，您对立方块效应不感兴趣。 什么是你的阻止的目的？

回复：了解因子筛选平台的“变更生成规则”选项卡

你好@本根根巴赫,

 

我必须修改“生成规则”选项卡才能获得您指定的别名。 这确实需要我一些时间来可视化背后的逻辑，而且我（仍然）不能 100% 能够解释这个逻辑，但作为一般规则，您必须一起检查要别名的组合，并避免具有相同的组合不同列中的模式（以避免主效应与块混叠，或主效应与交互混叠）。 每次更改检查时，您都可以“应用”并在“效果别名”面板中可视化别名是否正确，具体取决于您需要或不需要。

 

正确的是，最佳设计将尝试以比传统的部分因子设计更均匀的方式“稀释”别名，在传统的部分因子设计中，别名只是存在或不存在（“二元别名”）。

 

传统上，筛选设计的最优性标准是 D 最优性，因为它可以使系数估计具有良好的精度：最优性标准 (jmp.com)

• D-最优性重点是对影响的精确估计。
• A-最优性导致模型参数估计的平均方差最小化。
• I-最优性最小化设计区域的平均预测方差，因此它更适合响应面模型/预测设计。

 

我强烈推荐观看 Bradley Jones 关于现代筛选设计的演讲，其中他强调了 A 最优筛选设计与 D 最优筛选设计的优点： 21 世纪筛选设计 (2020-US-45MP-538) - JMP 用户社区

例如，您可以通过指定不同的权重来不同地强调要筛选的主要效果，从而使 A 最优筛选设计非常灵活。 由于我没有更改 A 最优设计的权重，因此该设计确实与 D 最优设计非常接近，除了设计中创建的相关性/别名之外：

以及设计之间的平均相关性：

 

很抱歉无法阐明“生成规则”，我希望这个答案仍能为您提供更多帮助，

 

 

回复：了解因子筛选平台的“变更生成规则”选项卡

嗨维克多，

哇，太棒了，非常感谢！

关于设计设置：您是否输入了从我想要的别名中扣除的设计生成器，或者您后来通过“生成规则”选项卡修改了它？

如果是后者，如果您能解释如何解释它，那就太好了，因为即使@马克贝利注意到该表很难理解。

 

尽管如此，我认为我会采用你们俩建议的最佳设计。

这背后的原因很简单，就是混叠不那么严重，并且在多个 2FI 之间分布更均匀，对吗？

左边是阶乘，右边是 A 最优：

你是否因为我说筛选而默认选择了 A 最优？

有趣的是，当使用相同的因子（混叠和种子）生成最优设计但不同的最优标准时，FDS 是完全相同的。

这是可以预料的吗？

问候本

回复：了解因子筛选平台的“变更生成规则”选项卡

嗨马克，

”很难评估规则变化的影响。” 太棒了:D

笑话除此之外，我们想要进行快速筛选，是的，我们的运行次数是有限的。 主要效果很好，但有一些相互作用我想正确量化，但我们没有足够的空间去制定决议 V 计划。

 

我的问题的解决方法可能是检查当前模型中的混叠，然后在设计生成期间简单地交换因素的顺序。

至少这适用于 DesignExpert 软件，但我认为 JMP 中的生成规则会更容易访问。

 

回复：了解因子筛选平台的“变更生成规则”选项卡

你好@本根根巴赫,

 

我尝试使用您指定的别名生成筛选设计。
如果我们用 X1、X2、... 对您的因子（块除外）进行“编码”，则意味着您拥有用于部分因子设计的生成器：I = 1245。

 

然而，该块的存在很难考虑，因为我们必须注意它不与主效应或任何其他效应混淆，这是一项非常棘手的任务，因为别名在这里是固定的。

 

当尝试在生成规则中设置此生成器时，这是我的配置：

 

因此，这是一个使用您定义的别名的设计示例（附表）：

 

DOE(
Screening Design,
{Add Response( Maximize, "Y", ., ., . ), Add Factor,
Add Factor( Continuous, 0, 100, "Imidazol conc.", 0 ),
Add Factor( Categorical, {"Yes", "No"}, "Perform dialysis in cartridge", 0 ),
Add Factor( Categorical, {"Homemade", "Readymixed"}, "Dialysis buffer", 0 ),
Add Factor( Continuous, 0, 100, "Covered surface in fridge", 0 ),
Add Factor( Continuous, 0, 100, "Centrifugation", 0 ),
Add Factor( Discrete Numeric, {0, 2}, "Concentration cycles", 0 ),
Set Random Seed( 1921021643 ), Make Design( 6 ),
Set Generators( [1 1 0 1, 1 1 0 1, 0 1 1 0, 1 0 1 0, 1 1 2 2, 0 0 0 0] ),
Simulate Responses( 0 ), Save X Matrix( 0 )}
)

 

但正如建议的@马克贝利，我还推荐自定义设计，因为您有不同类型的因子（DSD 接受 2 级分类和连续因子，但不接受离散数字因子），如果您对每天的运行次数或任何其他阻塞变量有任何限制，并且您可以避免在设计中出现完全混叠的效果。
根据您的因素进行可能的定制筛选设计的示例可能是：

 

DOE(
 Custom Design,
 {Add Response( Maximize, "Y", ., ., . ),
 Add Factor( Continuous, 0, 100, "Imidazol conc.", 0 ),
 Add Factor( Categorical, {"Yes", "No"}, "Perform dialysis in cartridge", 0 ),
 Add Factor( Categorical, {"Homemade", "Readymixed"}, "Dialysis buffer", 0 ),
 Add Factor( Continuous, 0, 100, "Covered surface in fridge", 0 ),
 Add Factor( Continuous, 0, 100, "Centrifugation", 0 ),
 Add Factor( Discrete Numeric, {0, 2}, "Concentration cycles", 0 ),
 Add Factor( Blocking, 4, "Block" ), Set Random Seed( 2118942861 ),
 Number of Starts( 1 ), Add Term( {1, 0} ), Add Term( {1, 1} ),
 Add Term( {2, 1} ), Add Term( {3, 1} ), Add Term( {4, 1} ), Add Term( {5, 1} ),
 Add Term( {6, 1} ), Add Term( {7, 1} ), Add Alias Term( {1, 1}, {2, 1} ),
 Add Alias Term( {1, 1}, {3, 1} ), Add Alias Term( {1, 1}, {4, 1} ),
 Add Alias Term( {1, 1}, {5, 1} ), Add Alias Term( {1, 1}, {6, 1} ),
 Add Alias Term( {2, 1}, {3, 1} ), Add Alias Term( {2, 1}, {4, 1} ),
 Add Alias Term( {2, 1}, {5, 1} ), Add Alias Term( {2, 1}, {6, 1} ),
 Add Alias Term( {3, 1}, {4, 1} ), Add Alias Term( {3, 1}, {5, 1} ),
 Add Alias Term( {3, 1}, {6, 1} ), Add Alias Term( {4, 1}, {5, 1} ),
 Add Alias Term( {4, 1}, {6, 1} ), Add Alias Term( {5, 1}, {6, 1} ),
 Set Sample Size( 16 ), Optimality Criterion( "Make A-Optimal Design" ),
 "A-Optimality Parameter Weights"n( [1 1 1 1 1 1 1 1 1 1] ),
 Simulate Responses( 0 ), Save X Matrix( 0 ), Make Design}
)

 

希望这个回答对你有帮助

回复：了解因子筛选平台的“变更生成规则”选项卡

对于大多数人，甚至专家来说，使用生成规则都很困难。 很难评估规则变化的影响。

 

您是否考虑过使用定制设计或确定性筛选设计来代替分数阶乘？ 您使用 FF 的原因是什么？ 您是否有运行次数等限制？ 您心中有一个模型吗？