Re: プラットフォーム「Easy DoE」での決定的なスクリーニング設計こんにちは@O_B 、
Easy DoE プラットフォームで利用可能なデザインは次のとおりです。
Easy DOE プラットフォームの統計詳細 (jmp.com)
以下のすべてが当てはまる場合、Easy DoE は最終的なスクリーニング計画を構築します。
- 少なくとも5つの要素がある
- すべての因子は連続的またはカテゴリ的です
- すべてのカテゴリカル因子には 2 つのレベルがあります
- カテゴリ因子は最大 3 つあります
- 連続因子の数がカテゴリ因子の数以上である
設計に応じて行われる分析については、ここで答えが見つかるかもしれません。
Easy DOE Analyze タブの統計詳細 (jmp.com)
「フレキシブル モード」に切り替えると、使用されるモデリング プラットフォームに関する詳細が表示されます。
使用されるモデリング プラットフォームの違いに関しては、ここのコミュニティに同様の質問がありました。 https://community.jmp.com/t5/Discussions/Fit-Definitive-Screening-vs-Stepwise-min-AICC-for-model/mp/608874
ここでは、Fit DSD プラットフォームの方法論と結果の違いについて回答しました。
モデリング手法が異なれば、作成されるモデルも若干異なる場合がありますが、統計的および専門知識の両方でモデルを評価し、適切で有用なモデルを選択できます。
この回答がお役に立てば幸いです、
Re: プラットフォーム「Easy DoE」での決定的なスクリーニング設計こんにちは、ビクターさん
あなたの説明に基づくと、問題の 2 つの方法は確かに互いに異なるようです。
貴重なご意見をいただきまして、重ねて御礼申し上げます。
オーデッド
Re: プラットフォーム「Easy DoE」での決定的なスクリーニング設計申し訳ありませんが、混乱しているかもしれませんが、その分析にどのように到達するかに関係なく、「適合する最終的なスクリーニングデザイン」に違いはないはずです。 Victorが投稿したリンクは、ステップワイズモデルとフィットモデルの違いでした。これらは確かに、データからモデルを構築するための 2 つの異なるアプローチ (1 つは加算的で、もう 1 つは減算的) です。私は個人的には、実験計画の分析にステップワイズを使用することはお勧めしません。設計が適切に計画されている場合は、設計戦略を選択する前にモデルを念頭に置いておく必要があります。データマイニングを行っている場合、おそらく段階的に行うのが合理的なアプローチです。
Re: プラットフォーム「Easy DoE」での決定的なスクリーニング設計やあ@スタットマン、
提供されたリンクが少しわかりにくかった場合は、申し訳ありません。
質問は、Easy DoE プラットフォームで使用されるモデリング技術とリンクに関するものでした。 Easy DOE Analyze タブの統計詳細Fit Stepwise が使用されると述べていますガイド付きモード、またはモデルから項が削除されている場合は最小二乗法を適用します。
フレキシブルこのプラットフォームのモードでは、変更が困難または非常に困難な要因がない場合に、さまざまな推定方法 (JMP では前方選択、JMP Pro では最適サブセット) を使用した一般化回帰など、他のタイプのモデリングにアクセスできます。
「Fit Definitive Screening Design」モデリング手法は、一部の設計生成 (以前の回答または提供されたリンクの条件を参照) が DSD につながる可能性がある場合でも、この Easy DoE プラットフォームのモデリング オプションではまったく使用されません。 他のコミュニティ投稿では、Fit DSD が他の手法とどのように異なるのか、また、異なる推定方法を使用した他の回帰手法とは異なるモデルが得られる可能性があることを説明しました。
この答えが私の答えを明確にすることを願っています、
プラットフォーム「Easy DoE」でのスクリーニング設計の決定版こんにちは、
私は JMP 17 と新しい「Easy DoE」プラットフォームを使用しています。
「Easy DoE」と最終的なスクリーニング設計オプションを使用している場合、モデルは「Fit Definitive Screening」方法とは異なる方法でフィッティングされます。
そうであれば、確定的スクリーニングが適しているようなケースでは、確定的スクリーニング設計プラットフォームと独自のモデル フィット (「Easy Doe」ではない) の使用が推奨されますか?
実験計画法
