Le variabili di blocco fisse sono la stessa cosa di una variabile categoriale, solo che non compaiono nel profiler di previsione?Ciao,
Ho analizzato i dati per un esperimento che misura la crescita delle cellule umane con 3 fattori: 2 dei quali sono variabili indipendenti controllate e la terza variabile è il donatore da cui provengono le cellule umane (di cui ce ne sono due). Ho un n = 8 e il disegno era un fattoriale 2^3. Tuttavia, attualmente sto scoprendo che ci sono 3 modi per affrontare l'analisi dei dati per quanto riguarda la variabile "Donatore":
1. Posso semplicemente includerlo come fattore di livello 2 categorico, nel qual caso entra nel modello e viene visualizzato anche nel profiler di previsione. A quanto pare, ci sono interazioni tra "Donatore" e gli altri due fattori, che sono conclusioni anch'esse facilmente visualizzabili. Tuttavia, avere questo nel profiler di previsione non è particolarmente utile perché la variabilità del donatore è qualcosa con cui dovrò sempre fare i conti - non posso semplicemente continuare a "massimizzare" tornando allo stesso donatore più e più volte.
2. Posso modificare il "Ruolo di progettazione" in una variabile di blocco. Tuttavia noto che quando inserisco un modello, sostanzialmente risulta nello stesso modello, con l'eccezione che "Donor" non viene più visualizzato nel Prediction Profiler. Questo è bello perché posso chiarire cosa stavano contribuendo gli altri 2 fattori (che erano variabili indipendenti effettive e controllabili che mi piacerebbe manipolare). Ho letto in un post precedente che anche le variabili di blocco possono essere visualizzate solo negli effetti principali, ma questo non è vero poiché sono ancora in grado di modellare le interazioni. In questo momento, considero questo l'approccio migliore.
3. Dato che i 2 donatori che ho scelto sono un sottoinsieme della popolazione infinitamente grande di persone presenti e future, probabilmente considererei questa variabile di blocco effettivamente "Casuale" e non "Fissa". Tuttavia, sulla base di alcune letture, sembra che siano necessari circa 5+ livelli della variabile di blocco affinché la stima della varianza sia accurata. Pertanto, dato che il mio set di dati è piccolo (n = 8, solo 2 livelli della variabile di blocco), questo potrebbe non essere l'ideale.
Il mio pensiero è sulla strada giusta?
Esplorazione e visualizzazione dei datiRi: Le variabili di blocco fisse sono la stessa cosa di una variabile categoriale, solo che non compaiono nel profiler di previsione?Sì!
Ri: Le variabili di blocco fisse sono la stessa cosa di una variabile categoriale, solo che non compaiono nel profiler di previsione?Sì, ma i grafici divisi non vengono creati da fattori di rumore e non vengono analizzati allo stesso modo (ovvero non si analizzano né si interpretano i risultati per i disegni a trama divisa come per i disegni bloccati).
In realtà fu Cox negli anni '50 che per primo ebbe l'idea di sperimentare sulle variabili di rumore per ogni trattamento dell'esperimento del fattore di progetto. Ha chiamato questi array di prodotti incrociati (simili agli array interni ed esterni di Taguchi, ma con un'analisi più simile ai progetti a trama divisa rispetto all'aggregazione dei dati per ottenere 1 rapporto segnale / rumore).
Ri: Le variabili di blocco fisse sono la stessa cosa di una variabile categoriale, solo che non compaiono nel profiler di previsione?Grazie per l'ulteriore spiegazione!
Quindi i fattori di rumore sono stati trattati come fattori difficili da modificare (non randomizzati), ma hanno definito un blocco per l'analisi. Mi ricorda i progetti di Taguchi con gli array interni replicati su esecuzioni nell'array esterno.
Ri: Le variabili di blocco fisse sono la stessa cosa di una variabile categoriale, solo che non compaiono nel profiler di previsione?Segno,
Ovviamente non sto comunicando bene. Siamo quasi sempre d'accordo, quindi fammi riprovare.
Permettetemi di chiarire l'esempio. Abbiamo usato i blocchi per gestire il rumore per l'esperimento. Nel primo blocco abbiamo utilizzato un angolo, una pressione, un tipo di substrato e un insieme di condizioni ambientali (essenzialmente i livelli bassi per questi). Nel secondo blocco abbiamo cambiato tutto in un altro "livello" (il livello alto). Quindi quelle variabili di rumore sono state mantenute costanti all'interno del blocco, aumentando la precisione e quindi sono state confuse con il blocco per aumentare lo spazio di inferenza e testare la robustezza del prodotto. In questo caso, trattare il blocco come un effetto fisso consente di stimare se esistono interazioni tra le variabili del rumore (angolo, pressione, substrato e ambiente) e fattori di progettazione (formulazioni dell'inchiostro, design della punta della penna, ecc.). E sì, ci sono!
Con questo approccio, puoi studiare gli effetti del fattore di progettazione sulla modifica del rumore in:
- acquisisci fiducia che i risultati che hai inizialmente ottenuto sono ripetibili al variare del rumore,
- stimare la robustezza dei fattori rispetto al rumore (quantificata mediante interazioni blocco per fattore), o
- determinare se la direzione del tuo studio deve cambiare (gli effetti di blocco di grandi dimensioni devono essere disaggregati per identificare potenziali fattori per ulteriori studi).
L'ho fatto con molti prodotti con grande successo.
Ri: Le variabili di blocco fisse sono la stessa cosa di una variabile categoriale, solo che non compaiono nel profiler di previsione?Ripeto, sono completamente d'accordo con te. Non capivo come l'esempio dello sviluppo di una penna a sfera illustrasse il blocco. Tutti i fattori in quell'esempio, come l'angolo, erano controllati e nessuno di essi definiva blocchi. Facevano tutti parte del trattamento nell'esperimento di laboratorio.
Mi dispiace per la confusione. Siamo davvero d'accordo!
Ri: Le variabili di blocco fisse sono la stessa cosa di una variabile categoriale, solo che non compaiono nel profiler di previsione?Segno,
Hmmm sono davvero confuso dalla tua affermazione " Non capisco cosa c'entrano i fattori di rumore con il blocco". Il blocco è fatto in modo che entro ogni blocco, il rumore è costante, aumentando così la precisione. Il rumore, che si manteneva costante all'interno del blocco, è volutamente cambiato fra blocchi per aumentare lo spazio di inferenza.
Forse è la definizione di rumore. Definisco il rumore come quei fattori/variabili che non sei disposto a gestire (tempo futuro). Quello che intendo per gestire è controllare o impostare i livelli per. Il motivo per cui potresti non essere disposto a gestire i fattori è:
1. Non puoi o non hai la tecnologia
2. È troppo costoso
3. È scomodo
Trascorro la maggior parte del mio tempo nello sviluppo del prodotto (R&S). Gran parte di quel tempo è dedicato alla comprensione di come i fattori di progettazione influenzeranno le prestazioni del prodotto e stiamo davvero cercando di comprendere la struttura causale. Ci sono decisioni che devono essere prese su quali fattori possono essere gestiti e quali no. Successivamente otteniamo dati per supportare o invalidare tali decisioni. L'ingegnere deve considerare l'efficacia dei fattori di progettazione nell'influenzare le prestazioni del prodotto nelle mani del cliente. L'ingegnere deve considerare le fonti di variazione: materiali, produzione/assemblaggio, test, distribuzione, stoccaggio, uso, ecc. Storicamente, lo sviluppo del prodotto viene eseguito con un numero estremamente ridotto di campioni da uno spazio di inferenza estremamente ridotto. A seconda della complessità e del costo del prodotto, potrebbero ottenere solo poche unità "beta" per determinare le prestazioni del loro progetto IN FUTURO. Forse per questo motivo, scelgono di testare le prestazioni del prodotto su piccola scala mantenendo il rumore il più costante possibile (aumentando così la precisione dei loro esperimenti). Le unità "beta" provengono da 1 lotto di materia prima, 1 linea di produzione (che probabilmente non è una linea di produzione), 1 persona che esegue l'assemblaggio, testate per un breve periodo di tempo in cui le condizioni ambientali non cambiano molto, con 1 sistema di misurazione , le variazioni nell'uso da parte del cliente sono tutte mantenute costanti (usando l'esempio dell'inchiostro precedente...mantenere COSTANTE la pressione, l'angolo, il substrato e le condizioni ambientali). Quindi estrapolano questi risultati nel futuro e rivendicano anche statistiche sulle prestazioni e sull'affidabilità. Probabilmente lo sai! La domanda è: come testiamo un piccolo campione di unità beta con maggiore precisione e maggiore spazio di inferenza. Grazie al cielo per DOE!Gli ingegneri/scienziati hanno bisogno di strategie per gestire il rumore in queste situazioni. La struttura del design è solo una parte dell'equazione. Qual è la percentuale di tutti i fattori in un processo e in genere sperimentati? Come vengono gestiti gli "altri" fattori? Il blocco è una di quelle strategie (anche se ovviamente ce ne sono altre). Sebbene il blocco confonda molti fattori di rumore, offre l'opportunità di rispondere alle domande: se il rumore cambia in futuro, cosa che invariabilmente accadrà poiché per definizione non viene gestito, il prodotto funzionerà ancora come previsto? Se la effetto dei fattori di progettazione un ingegnere sceglie di migliorare le prestazioni del prodotto DIPENDE dal rumore (questa è la definizione di un'interazione), allora in che modo l'ingegnere progettista specificherà l'impostazione per il fattore di progettazione? Prima questo viene scoperto, più opzioni hai e più economicamente può essere risolto o mitigato. Quando i fattori di progettazione hanno lo stesso effetto sulle prestazioni del prodotto rispetto al rumore variabile, si ha una progettazione del prodotto solida.
Ri: Le variabili di blocco fisse sono la stessa cosa di una variabile categoriale, solo che non compaiono nel profiler di previsione?Sono d'accordo con te. Ora sono confuso dal tuo esempio di fattori di rumore. Non capisco quali fattori di rumore abbiano a che fare con il blocco.
No, sto suggerendo che c'è un altro fattore con un effetto fisso che non è un semplice blocco, come Lot o Day. Potrebbe non essere stato identificato, ma è una variabile in agguato incontrollata che varia con le modifiche del blocco. Blocco degli account per semplici spostamenti di media. Un'interazione indica che è attivo un altro fattore. Questo è tutto ciò che intendevo.
Ri: Le variabili di blocco fisse sono la stessa cosa di una variabile categoriale, solo che non compaiono nel profiler di previsione?Potrei non capire il tuo punto @Mark_Bailey ? Ehm, "non dovrebbero farlo"? Indovina un po', succede spesso nel mondo reale. Questa è un'indicazione che la progettazione del prodotto o del processo non è robusta. Per creare robustezza, è necessario sperimentare i fattori di progettazione mentre il rumore cambia.
Stai suggerendo che le interazioni blocco per fattore non possono esistere da un punto di vista scientifico? Se è così devo dissentire. Faccio un esempio (tra le centinaia su cui ho lavorato). Disegna un inchiostro per penne a sfera. Il sistema di erogazione dell'inchiostro è una funzione della gravità e del capillare. L'utente tiene la penna su un supporto (ad es. carta) e la pallina si sposta "dentro" la penna e permette all'inchiostro di fluire. Il supporto assorbe l'inchiostro. Esistono numerosi fattori di progettazione associati al prodotto (ad esempio, geometrie, dimensioni, materiali, chimica). Di seguito è riportato un breve elenco di rumori associati all'operazione. Nessuno di questi può essere controllato dal produttore della penna.
Angolo in cui è tenuta la penna
Pressione applicata alla penna
Capacità di assorbimento del supporto
Condizioni ambientali
Storicamente, questi "fattori" sono stati mantenuti costanti durante l'esecuzione del "test di scrittura" per quantificare le misure delle prestazioni dell'insieme inchiostro/penna. I progetti venivano "ottimizzati" per una situazione che praticamente non si verifica mai nel mondo reale. Ciò che abbiamo scoperto attraverso la sperimentazione è che le prestazioni dei fattori di progettazione dipendono dal rumore (questo scoperto originariamente tramite RCBD e quindi ottimizzato tramite Cross Product Arrays (split-plot)). Abbastanza razionale e scientificamente ragionevole. Il motivo dei reclami dei clienti era dovuto al mancato test delle condizioni in cui la penna sarebbe stata utilizzata.
Ri: Le variabili di blocco fisse sono la stessa cosa di una variabile categoriale, solo che non compaiono nel profiler di previsione?Altri hanno affrontato bene i problemi. Voglio affrontare solo l'idea di escludere il fattore di blocco dagli effetti di interazione. È un po' una decisione filosofica. Il progetto assegna un blocco di tratti a un livello di un fattore di rumore, come Giorno o Lotto. Considera l'effetto blocco come un aggiustamento locale dell'intercettazione. È un cambiamento rispetto alla risposta media complessiva per tenere conto di uno spostamento in un blocco. Escludiamo le interazioni perché indicano che gli effetti fissi dei fattori cambiano. Non dovrebbero farlo. La relazione tra la risposta ei fattori dovrebbe essere la stessa in ogni blocco. In caso contrario, devono esserci fattori sconosciuti in agguato che cambiano tra i blocchi e contribuiscono a effetti più fissi. Quindi non è la matematica o il modello lineare; è un punto di vista scientifico dietro l'esclusione.
Ri: Le variabili di blocco fisse sono la stessa cosa di una variabile categoriale, solo che non compaiono nel profiler di previsione?Poiché ci sono interazioni, sarei tentato di utilizzare la tua soluzione 1 e trattare il donatore come un fattore, soprattutto perché il profiler può quindi aiutare a visualizzare queste interazioni.
Tuttavia, avere questo nel profiler di previsione non è particolarmente utile perché la variabilità del donatore è qualcosa con cui dovrò sempre fare i conti - non posso semplicemente continuare a "massimizzare" tornando allo stesso donatore più e più volte.
Facendo clic tenendo premuto Alt sul donatore nel profiler è possibile mitigare il problema di massimizzazione se si seleziona "Impostazione fattore di blocco". Ciò consentirà al profiler di massimizzare gli altri fattori, impedendo al donatore di muoversi. Certo, potrei interpretare male ciò che hai scritto e bloccare l'impostazione del fattore potrebbe essere esattamente ciò che stai cercando di evitare.
Ri: Le variabili di blocco fisse sono la stessa cosa di una variabile categoriale, solo che non compaiono nel profiler di previsione?CIAO @QW ,
Finora ci sono molti buoni consigli nelle risposte.
"...T qui non sembra esserci alcuna differenza pratica tra l'assegnazione della mia variabile fastidiosa come fattore di blocco rispetto al semplice chiamarla categorica. "
Corretto. In questo caso non ci sarà alcuna differenza nel design.
Indipendentemente dal fatto che specifichi il fattore donatore come fattore di blocco o fattore categoriale, per 8 esecuzioni il fattoriale completo 2^3 è la soluzione ottimale con correlazione 0 degli effetti del fattore (ortogonale).
Spero che aiuti.
Fil
Ri: Le variabili di blocco fisse sono la stessa cosa di una variabile categoriale, solo che non compaiono nel profiler di previsione?Vorrei essere il più chiaro possibile. Non è JMP che decide come deve procedere l'analisi, è l'utente. Molti enumerativo gli statistici considerano gli effetti di blocco come effetti casuali. Adotto un approccio più analitico per comprendere la struttura causale. Quando ho svolto la dovuta diligenza per identificare il rumore, c'è, IMHO, un mezzo più efficace per comprendere il rumore e le ramificazioni del rumore. Sì, includerei blocco e tutte le interazioni blocco per fattore nel modello saturo per RCBD.
Vedere: Doug Sanders, Mary G. Leitnaker e Robert A. McLean (2002) Disegni a blocchi completi randomizzati negli studi industriali, Ingegneria della qualità, 14:1, 1-8, DOI: 10.1081/QEN-100106880
Per quanto riguarda il tuo secondo paragrafo, è improbabile che tu possa dedurre TUTTI i donatori campionando solo due di loro. Potresti avere ipotesi sul motivo per cui i donatori influirebbero sulla risposta (ad esempio, età, condizioni di base, sesso, genetica...). Se puoi selezionare donatori che catturerebbero gli estremi delle condizioni del donatore (come l'impostazione del livello in grassetto), potresti essere in grado di aumentare lo spazio di inferenza sufficientemente per rendere utili i risultati del tuo studio in futuro. Tuttavia, se ciò non è possibile, sarà necessario acquisire la variazione da donatore a donatore su un campione molto più ampio.
La regola del pollice:
“Sfortunatamente, gli esperimenti futuri (prove future, produzione di domani) saranno influenzati da condizioni ambientali (temperatura, materiali, persone) diverse da quelle che influenzano questo esperimento... È solo per conoscenza dell'argomento, eventualmente aiutato da ulteriori esperimenti (corsivo aggiunto) per coprire una gamma più ampia di condizioni, che si può decidere, con il rischio di sbagliare, se le condizioni ambientali del futuro saranno abbastanza vicine a quelle di oggi per consentire l'uso dei risultati in mano.
Dottor Deming
Ri: Le variabili di blocco fisse sono la stessa cosa di una variabile categoriale, solo che non compaiono nel profiler di previsione?Grazie, @statman . Rispetto a questa frase: " Con questa strategia è possibile valutare la dimensione dell'effetto Block e l'ulteriore vantaggio di essere in grado di valutare se gli effetti del fattore di progettazione sono coerenti rispetto al rumore variabile (come quantificato con le interazioni blocco per fattore)." Stai dicendo che mentre JMP non considera le interazioni block:factor come una caratteristica di una variabile di blocco (ovvero questa sarebbe considerata una caratteristica di un fattore categorico non una variabile di blocco), dovresti comunque provare ad adattare le interazioni block:factor ?
In secondo luogo, per quanto riguarda il punto: "Ora, se non hai identificato il rumore, ti resta da trattare il rumore come un effetto casuale. Dal momento che non hai idea di quanto sia rappresentativo il rumore delle condizioni future, probabilmente dovrai aumentare la dimensione del campione per aumentare la fiducia nell'estrapolare i risultati nel futuro". Ci sono così tante possibili fonti di variabilità dei donatori che sto semplicemente cercando di confonderle in un'unica variabile, piuttosto che cercare di determinare cosa riguarda specificamente i donatori che causano la variabilità. In tal caso, sarebbe più logico trattarlo come un effetto casuale. Tuttavia, poiché la manodopera limita la quantità di donatori che posso selezionare a 2 o 3, probabilmente ho bisogno di modellare i donatori come effetti fissi ("trovo questi donatori specifici interessanti caso per caso"). Esistono regole empiriche/statistiche per testare quanti donatori potrei aver bisogno di esaminare prima di poter fare previsioni sicure sul rumore associato alla variabilità dei donatori, che posso estrapolare alla popolazione più ampia?
Grazie.
Ri: Le variabili di blocco fisse sono la stessa cosa di una variabile categoriale, solo che non compaiono nel profiler di previsione?Grazie, @Victor_G . Ho letto le risposte fornite, ma sono ancora confuso su una cosa riguardante il blocco rispetto alla semplice aggiunta di un fattore categorico.
Nel custom designer, se ho 8 esecuzioni e 2 variabili e scelgo di raggrupparle in blocchi di dimensione 4, in pratica ottengo un disegno fattoriale completo in cui ogni blocco è ortogonale. Se invece scelgo di includere la mia variabile di blocco come variabile categoriale, ottengo ancora una volta un disegno fattoriale completo, in cui ogni livello della mia variabile categoriale è ortogonale. In tal senso, non sembra esserci alcuna differenza pratica tra l'assegnazione della mia variabile fastidiosa come fattore di blocco e il semplice chiamarla categorica.
A me, quindi, sembra che l'unico punto di blocco sia:
1. Rimuovi le interazioni block:factor dalla finestra di dialogo di progettazione personalizzata, poiché l'idea è che gli effetti del fattore all'interno del blocco dovrebbero essere indipendenti dal blocco in cui si trova.
2. Rendi il profiler di previsione più semplice da capire, dal momento che non ti interessa davvero trovare il "miglior livello" del tuo blocco.
Ri: Le variabili di blocco fisse sono la stessa cosa di una variabile categoriale, solo che non compaiono nel profiler di previsione?Ho una "presa" diversa sulle domande che poni. Il blocco è un metodo per gestire il rumore in un esperimento. Il rumore sono i fattori che non sei disposto a gestire in futuro (o perché non hai la tecnologia, il costo è proibitivo o semplicemente è scomodo da gestire). I blocchi hanno lo scopo di aggregare grandi blocchi di rumore (puoi avere molte variabili di rumore confuse con l'effetto Blocco). I blocchi aumentano lo spazio di inferenza senza diminuire la precisione del progetto (infatti, i blocchi possono aumentare la precisione del progetto. Alla fine della giornata potresti essere interessato alla dimensione dell'effetto del Blocco, ma non puoi selezionare un livello "migliore". Questo, ovviamente, non è vero per un fattore categorico. Puoi scegliere un livello piuttosto che un altro.
Per quanto riguarda il blocco, se hai identificato qual è il rumore (questo è un passaggio importante), hai la possibilità di trattare il rumore come un effetto fisso. Con questa strategia è possibile valutare la dimensione dell'effetto Block e l'ulteriore vantaggio di essere in grado di valutare se gli effetti del fattore di progettazione sono coerenti rispetto al rumore variabile (come quantificato con le interazioni blocco per fattore). Questa è la vera misura della robustezza del fattore di progettazione. La domanda è come rappresenti questo rumore nell'esperimento. Lo stesso consiglio vale per indagare i fattori. Poiché l'esperimento viene eseguito su piccola scala (spazio di inferenza relativamente ristretto), è necessario esagerare gli effetti per aumentare lo spazio di inferenza. Questo è il motivo per cui negli esperimenti di screening si impostano i fattori su livelli audaci. Questo vale anche per gli effetti del rumore, esagera il rumore nel tuo spazio di progettazione. Ad esempio, potresti eseguire un blocco in cui le condizioni ambientali sono fredde e secche e il secondo blocco caldo e umido. Perché i donatori dovrebbero essere diversi? Quali caratteristiche fisiche del donatore potrebbero avere un impatto sulle variabili di risposta? Quali fattori di progettazione potrebbero interagire con il donatore? Le risposte a queste domande costituiscono la base delle ipotesi che possono aiutare a determinare come selezionare i donatori.
Ora, se non hai identificato il rumore, ti resta da trattare il rumore come un effetto casuale. Dal momento che non hai idea di quanto sia rappresentativo il rumore delle condizioni future, probabilmente dovrai aumentare la dimensione del campione per aumentare la fiducia nell'estrapolare i risultati nel futuro.
"Blocca ciò che puoi, randomizza ciò che non puoi" GEP Scatola. (Blocca il rumore che è stato identificato, usa la randomizzazione dove non hai identificato il rumore)
Ri: Le variabili di blocco fisse sono la stessa cosa di una variabile categoriale, solo che non compaiono nel profiler di previsione?CIAO @QW ,
Il tuo pensiero è sulla strada giusta, il fattore categoriale e il fattore di blocco hanno realtà e usi diversi (effetto fisso che puoi modificare in modo indipendente nei tuoi esperimenti rispetto all'effetto casuale con un numero noto (giorno della settimana) o sconosciuto di livelli (caratteristiche del donatore) ).
Suggerirei di dare un'occhiata agli argomenti che trattavano questo argomento (con ottime risposte da @Mark_Bailey E @Dan_Obermiller ), poiché ciò potrebbe aiutarti a scegliere l'opzione più ragionevole nel tuo caso:
C'è anche un webinar registrato sul blocco in DoE: Utilizzo del blocco durante la progettazione di esperimenti - Community di utenti di JMP
Spero che questa prima risposta ti possa aiutare,
