Re : Comment voir les décisions d'effet actif Fit Definitive Screening Design par étape ?Je ne suis pas certain de comprendre votre question, mais dans l'aide (comme vous le dites), il est dit plus loin :
"En utilisant YME, les effets principaux sont testés par rapport à cette estimation. Les effets principaux avec des valeurs de p inférieures à une valeur de p seuil sont considérés comme actifs. Les valeurs seuils sont les suivantes :
–Pour un degré de liberté d'erreur, la valeur seuil est de 0,20.
–Pour deux degrés de liberté d'erreur, la valeur seuil est de 0,10.
–Pour plus de deux degrés de liberté d'erreur, la valeur seuil est de 0,05."
Dans votre cas, DF=5, le seuil est donc de 0,05.C'est pourquoi le facteur C est indiqué comme "actif" (sa valeur de p, Prob >|t|, est inférieure à 0,05).
Re : Comment voir les décisions d'effet actif Fit Definitive Screening Design par étape ?Il y a 6 facteurs dans le DSD.Le tableau en montre trois, mettant en évidence l'un des trois et ne montrant pas du tout les trois autres. Pourquoi ces trois?Et où sont les trois autres ?Et pourquoi deux d'entre eux sont répertoriés avec Prob >|t| bien au-dessus de 0,05 ?Et les trois disparus ne sont pas représentés ?
Je pensais qu'il ne montrait que ceux où la valeur p de l'effet était inférieure à la valeur p seuil.Si Prob >|t| est la valeur p, alors il montre deux effets actifs qui n'atteignent pas ce seuil.Et il ne montre pas du tout les trois autres.Cela me suggère Prob >|t| n'est PAS la valeur p de l'effet.
Dans ce cas, où est la valeur p de l'effet qu'il utilise pour déterminer si cet effet est inférieur à la valeur p seuil ?C'est ma question.Comment puis-je voir ces valeurs p pour chaque effet afin que je puisse vérifier qu'il n'a sélectionné que celles inférieures à la valeur p seuil.Et j'aimerais voir les autres valeurs p afin de voir à quel point elles étaient loin d'être choisies comme actives.
Re : Comment voir les décisions d'effet actif Fit Definitive Screening Design par étape ?Hmmm... si vous avez 6 effets principaux (A, B, C, D, E, F, plutôt que trois effets principaux et trois termes de second ordre : A, B, C, AB, AC, BC ou A, B, C, A^2, B^2, C^2) alors je ne sais pas ce qui se passe.
Re : Comment voir les décisions d'effet actif Fit Definitive Screening Design par étape ?Oui, désolé, j'aurais dû dire dans ma question initiale qu'il s'agit d'un DSD à 6 facteurs et 17 exécutés représenté sur l'image, mais mon DSD spécifique n'est pas pertinent pour ma question.
Re : Comment voir les décisions d'effet actif Fit Definitive Screening Design par étape ?Ce que je soupçonne est la réponse:
Parce que j'avais de faux facteurs (4 exécutions supplémentaires) dans mon seul exemple, JMP a d'abord calculé une estimation de la variance d'erreur indépendante du modèle.Il a ensuite utilisé le YME, qui, je pense, est la première colonne du tableau de sortie de l'étape 1, et "les a testés par rapport à cette estimation".Je ne sais pas combien de degrés de liberté il avait pour cela et je suis intrigué par le fait que si je spécifie le seuil de la valeur p à 0,2, deux des effets d'ordre impair (effets principaux) disparaissent de la table de sortie.Je soupçonne donc qu'il utilisait 0,05 et que la variance d'erreur avait plus de 2 degrés de liberté.Il a donc conclu que trois des six effets d'ordre impair (effets principaux) étaient inférieurs à ce seuil de 0,05, les trois autres non, il s'en tient donc aux trois qui étaient inférieurs à 0,05.
Il a ensuite pris la variabilité des trois autres effets principaux et les a regroupés dans la variance d'erreur, en modifiant les erreurs standard, les ratios t et la valeur p dans le prob > |t| colonne, qui indique dans l'aide qu'il s'agit de la valeur p.Ainsi, les valeurs de p pour deux des six facteurs ne sont plus inférieures au seuil en raison de cette mise en commun des degrés de liberté supplémentaires dans la variance d'erreur a modifié la variance d'erreur et chaque calcul résultant.Et le RMSE indiqué est cette estimation finale de la variance d'erreur ?L'original avant la mise en commun n'est pas affiché et il semble qu'il n'y ait aucune option pour l'afficher.J'aimerais vraiment le voir - ou plutôt, le tableau entier de tous les effets principaux avant la décision de ce qu'il faut garder et de ce qu'il ne faut pas garder et avant la mise en commun de ceux qui ne sont pas conservés par erreur.
Si j'ai raison, il est intéressant que le tableau les montre alors car ils ne sont plus avec une valeur p inférieure à 0,05.Il les conserve ensuite. pour le tableau des estimations combinées des paramètres du modèle après l'étape 2.
Je ne sais donc pas comment les interpréter.La notion claire que ces effets principaux avec une valeur p inférieure à 0,05 sont des "effets actifs" et que ceux qui ne le sont pas se transforme en un gris encore plus trouble.Dans mon exemple ceux avec Prob > |t| de 0,1765 et 0,1657 sont des effets actifs avant la mise en commun de degrés de liberté supplémentaires en erreur, ce qui en fait quoi ?Effets paresseux ?Des effets inefficaces ?J'aime bien celui-ci. 
Je soupçonne que de meilleurs noms seraient des effets évidents et des effets possibles non évidents.
Peut-être que JMP les conserve parce qu'ils avaient à l'origine des valeurs de p inférieures à 0,05, il serait donc judicieux de les conserver dans les expérimentations ultérieures sans dépistage.
Re : Comment voir les décisions d'effet actif Fit Definitive Screening Design par étape ?Salut @CanonicalHazard ,
Désolé, j'ai du mal à suivre ce fil et à comprendre toutes les questions spécifiques auxquelles vous essayez de répondre. Joindre des exemples de données illustratifs nous aide vraiment à donner des réponses spécifiques.
Mais je pense que votre " Ce que je soupçonne est la réponse " parait à peu près juste. La méthode n'est pas simple mais elle me semble assez bien documentée. S'il y a quelque chose dans la documentation qui n'est pas clair ou qui, selon vous, manque ou est incorrect, vous pouvez contacter le support technique de JMP ( support@jmp.com ). Là encore, des exemples de données illustratifs seront utiles.
Comment interpréter le résultat ? Je pense que vous êtes sur la bonne voie également.
Les DSD sont des conceptions de dépistage, l'objectif est donc de comprendre les facteurs qui ont un effet important sur la ou les réponses à reporter pour une étude plus approfondie dans les prochaines étapes de votre séquence d'expériences.
Malheureusement, il n'existe pas de « notion propre » de ce qui définit un effet ou un facteur « actif ». Personnellement, je ne suis pas très à l'aise avec toute distinction entre actif et inactif, c'est juste une erreur de ma part de faire cette distinction. Et je ne suis certainement pas convaincu que p <0,05 soit une distinction nette.
Fit DSD est un moyen utile et rapide de déterminer les facteurs et les effets les plus importants.
Mais si vous souhaitez une analyse à des fins d'interprétation, en particulier si vous publiez, vous voudrez peut-être vous en tenir aux méthodes traditionnelles de sélection de modèles, car elles sont mieux connues.
Vous obtiendrez des résultats différents entre les méthodes de sélection de modèles et ce n'est pas une mauvaise chose. S'il existe un consensus raisonnable, cela fournit une confirmation utile que vous pouvez être sûr du résultat.
Si je vois de grandes différences, je cherche à mieux comprendre les différences et ce qu'est l'ambiguïté. Je regarde plus que les valeurs p. En fait, je ne regarde pas beaucoup les p-values. Je passerais plus de temps à regarder le profileur de prédiction car je suis beaucoup plus intéressé par les directions et la taille des effets. Lorsqu'il y a des différences importantes, je peux les utiliser pour guider la collecte de plus de données afin de se rapprocher de la résolution des ambiguïtés.
Si vous avez des suggestions pour améliorer le rapport Fit DSD, vous pouvez les ajouter au Liste de souhaits JMP .
J'espère que ça aide,
Phil
Re : Comment voir les décisions d'effet actif Fit Definitive Screening Design par étape ?Voici l'exemple, avec des noms de facteurs composés. Six facteurs.Le processus est une simulation d'analyse par éléments finis (zéro erreur de réplication).
Il s'agit d'un DSD 17 run.
Je l'analyse avec "Fit Definitive Screening Design"
j'ai compris
Vous pouvez voir que trois des six facteurs sont présentés dans le tableau de l'étape 1.
Le paramètre de valeur p de l'étape 1 est
Question : Pourquoi Temp et Press sont-ils répertoriés dans le Étape 1 table avec Montant ?Le problème > |t| n'est PAS inférieur à 0,05 pour Time et Press.
Question 2 : Pourquoi le temps, la longueur et la largeur n'étaient-ils pas répertoriés dans le tableau de l'étape 1 ?
Re : Comment voir les décisions d'effet actif Fit Definitive Screening Design par étape ?Vous pourriez être intéressé par l'article original décrivant la méthode mise en œuvre dans la procédure Fit Definitive Screening dans JMP.
Bradley Jones et Christopher J. Nachtsheim (2016): Sélection efficace de modèles basés sur la conception pour des conceptions de criblage définitives , Technometrics, DOI : 10.1080/00401706.2016.1234979
Deuxièmement, d'autres méthodes de sélection de modèles pourraient être plus satisfaisantes car elles agissent moins comme une « boîte noire ».
Troisièmement, votre dernier exemple ne contient aucune erreur aléatoire. La plupart des méthodes de conception de JMP tentent d'obtenir une conception optimale qui minimise l'erreur type associée à un modèle. Les méthodes numériques à précision finie utilisées pour estimer les paramètres du modèle et les erreurs types échouent souvent lorsque l'erreur de la somme des carrés est nulle. (Ce ne sont pas des mathématiques, c'est de l'informatique.) Vous ne devriez pas avoir une telle erreur. Une simulation informatique comme la vôtre est généralement abordée avec une conception de remplissage d'espace, puis modélisée avec un processus gaussien pour une interpolation rapide. L'idée de filtrer ou de déterminer la signification statistique est déroutante lorsque vous pouvez regarder le code de simulation ou n'avoir aucun élément stochastique.
Comment voir les décisions d'effet actif Fit Definitive Screening Design par étape ?À l'aide de JMP 17.0, existe-t-il un moyen de voir comment il a sélectionné les effets qu'il a sélectionnés comme actifs dans le rapport de sélection définitive Fit ?
Par exemple, le fichier d'aide indique qu'à l'étape 1 avec de fausses répétitions de facteur ou de point central, un estimateur de variance d'erreur indépendant du modèle est construit.Les effets principaux sont testés par rapport à cette estimation et ceux dont les valeurs de p sont inférieures à une valeur de p seuil sont considérés comme actifs.La valeur de seuil, sauf si elle est définie manuellement, varie selon les degrés de liberté.Où ce processus est-il illustré ?
Cette estimation est-elle la RMSE rapportée et les degrés de liberté en dessous ?Si tel est le cas, où se trouvent les valeurs de p pour chaque effet principal afin que je puisse voir à quoi JMP les estime et comment elles sont inférieures à la valeur de p seuil pour chaque effet principal sélectionné ?Je ne les vois pas.Au lieu de cela, j'obtiens un tableau de t Ratios and Prob > |t| et ce tableau montre les effets actifs pour prob > |t| beaucoup plus grande que la valeur p de 0,05 -- comme une probabilité de 0,18, cela me suggère ce Prob > |t| n'est pas la valeur p qu'il compare au seuil pour déterminer quels effets sont actifs.
J'aimerais même voir ce qu'il a estimé pour tout ce qu'il n'a pas choisi comme actif - ne répondait pas aux critères.De combien?
Et la même question pour l'étape 2.
Désolé, mes connaissances et mes compétences impliquent la lecture d'un tableau ANOVA standard à partir de plans composites factoriels ou centraux.J'ai choisi JMP en raison de la méthode spéciale qu'il utilise pour analyser les DSD, mais j'ai du mal à apprendre à lire et comprendre les résultats qu'il donne.L'analyse pas à pas de mon DSD donne une réponse très différente, sélectionne beaucoup plus d'effets avec "Prob> F" inférieur à 0,05., en utilisant AICc ou BIC.J'essaie de concilier les deux et, plus important encore, de comprendre les résultats du rapport Fit Definitive Screening Design (avant d'exécuter ou de créer un modèle) qui est si nouveau pour moi.
Conception d'expériences
