Sind feste Blockierungsvariablen dasselbe wie eine kategoriale Variable, nur dass sie nicht im Vorhersageprofiler angezeigt werden?Hallo,
Ich habe Daten für ein Experiment zur Messung des Wachstums menschlicher Zellen anhand von drei Faktoren analysiert: Zwei davon sind unabhängige Variablen, die kontrolliert wurden, und die dritte Variable ist der Spender, von dem die menschlichen Zellen stammen (von denen es zwei gibt). Ich habe n = 8 und der Entwurf war eine 2^3-Fakultät. Derzeit stelle ich jedoch fest, dass es drei Möglichkeiten gibt, an die Analyse der Daten im Hinblick auf die Variable „Spender“ heranzugehen:
1. Ich kann ihn einfach als kategorialen 2-Ebenen-Faktor einbinden. In diesem Fall geht er in das Modell ein und wird auch im Vorhersageprofiler angezeigt. Wie sich herausstellt, gibt es Wechselwirkungen zwischen „Spender“ und den anderen beiden Faktoren, die sich ebenfalls leicht visualisieren lassen. Allerdings ist es nicht besonders hilfreich, dies im Vorhersageprofiler zu haben, da ich mich immer mit der Spendervariabilität auseinandersetzen muss – ich kann nicht einfach weiter „maximieren“, indem ich immer wieder auf denselben Spender zurückgreife.
2. Ich kann die „Design-Rolle“ in eine blockierende Variable ändern. Allerdings fällt mir auf, dass bei der Anpassung eines Modells grundsätzlich dasselbe Modell entsteht, mit der Ausnahme, dass „Donor“ nicht mehr im Prediction Profiler angezeigt wird. Das ist schön, weil ich erklären kann, was die anderen beiden Faktoren (bei denen es sich um tatsächliche, kontrollierbare unabhängige Variablen handelte, die ich gerne manipulieren würde) beigetragen haben. Ich habe in einem früheren Beitrag gelesen, dass blockierende Variablen auch nur in Haupteffekten auftauchen können, aber das stimmt nicht, da ich immer noch in der Lage bin, Interaktionen zu modellieren. Im Moment halte ich dies für den besten Ansatz.
3. Angesichts der Tatsache, dass die beiden von mir ausgewählten Spender eine Teilmenge der unendlich großen Population gegenwärtiger und zukünftiger Menschen sind, würde ich diese blockierende Variable wahrscheinlich als „zufällig“ und nicht als „fest“ betrachten. Basierend auf einigen Lesarten scheint es jedoch, dass Sie etwa 5+ Stufen der Blockierungsvariablen benötigen, damit die Schätzung der Varianz genau ist. Da mein Datensatz klein ist (n = 8, nur 2 Ebenen der Blockierungsvariablen), ist dies möglicherweise nicht ideal.
Ist mein Denken auf dem richtigen Weg?
Datenexploration und -visualisierungBetreff: Sind feste Blockierungsvariablen dasselbe wie eine kategoriale Variable, nur dass sie nicht im Vorhersageprofiler angezeigt werden?Jawohl!
Betreff: Sind feste Blockierungsvariablen dasselbe wie eine kategoriale Variable, nur dass sie nicht im Vorhersageprofiler angezeigt werden?Ja, aber Split-Plots werden nicht aus Rauschfaktoren erstellt und nicht auf die gleiche Weise analysiert (das heißt, Sie analysieren oder interpretieren die Ergebnisse für Split-Plot-Designs nicht auf die gleiche Weise wie für blockierte Designs).
Tatsächlich war es Cox, der in den 1950er Jahren als erster auf die Idee kam, bei jeder Behandlung des Designfaktor-Experiments mit Rauschvariablen zu experimentieren. Er nannte diese Kreuzprodukt-Arrays (ähnlich den inneren und äußeren Taguchi-Arrays, aber mit einer Analyse, die eher Split-Plot-Designs ähnelt als der Aggregation der Daten, um ein Signal-Rausch-Verhältnis zu erhalten).
Betreff: Sind feste Blockierungsvariablen dasselbe wie eine kategoriale Variable, nur dass sie nicht im Vorhersageprofiler angezeigt werden?Danke für die weitere Erklärung!
Daher wurden die Rauschfaktoren wie schwer veränderbare Faktoren behandelt (nicht randomisiert), aber sie definierten einen Block für die Analyse. Es erinnert mich an Taguchis Entwürfe mit inneren Reihen, die über Läufe in der äußeren Reihe repliziert werden.
Betreff: Sind feste Blockierungsvariablen dasselbe wie eine kategoriale Variable, nur dass sie nicht im Vorhersageprofiler angezeigt werden?Markieren,
Ich kommuniziere offensichtlich nicht gut. Wir sind uns fast immer einig, also lass es mich noch einmal versuchen.
Lassen Sie mich das Beispiel erläutern. Wir haben Blöcke verwendet, um den Lärm für das Experiment zu verwalten. Im ersten Block haben wir einen Winkel, einen Druck, einen Substrattyp und einen Satz Umgebungsbedingungen (im Wesentlichen die niedrigen Werte dafür) verwendet. Im zweiten Block haben wir das alles auf eine andere „Ebene“ (die hohe Ebene) geändert. Daher wurden diese Rauschvariablen innerhalb des Blocks konstant gehalten, um die Präzision zu erhöhen, und dann mit dem Block vermengt, um den Inferenzraum zu vergrößern und die Robustheit des Produkts zu testen. In diesem Fall ermöglicht die Behandlung des Blocks als fester Effekt die Abschätzung, ob es Wechselwirkungen zwischen den Rauschvariablen (Winkel, Druck, Substrat und Umgebung) und Designfaktoren (Tintenformulierungen, Design der Stiftspitze usw.) gibt. Und ja, die gibt es!
Mit diesem Ansatz können Sie die Auswirkungen des Designfaktors bei der Änderung des Rauschens untersuchen:
- Gewissheit gewinnen, dass die Ergebnisse, die Sie ursprünglich erhalten haben, auch bei sich änderndem Rauschen wiederholbar sind,
- Schätzen Sie die Robustheit der Faktoren gegenüber Rauschen (quantifiziert durch Block-für-Faktor-Wechselwirkungen) oder
- Stellen Sie fest, ob sich die Richtung Ihrer Studie ändern muss (große Blockeffekte sollten aufgeschlüsselt werden, um potenzielle Faktoren für weitere Untersuchungen zu identifizieren).
Ich habe dies bei vielen Produkten mit großem Erfolg getan.
Betreff: Sind feste Blockierungsvariablen dasselbe wie eine kategoriale Variable, nur dass sie nicht im Vorhersageprofiler angezeigt werden?Auch hier stimme ich Ihnen voll und ganz zu. Ich habe nicht verstanden, wie das Beispiel der Entwicklung eines Kugelschreibers das Blockieren veranschaulichen soll. Alle Faktoren in diesem Beispiel, wie zum Beispiel der Winkel, wurden kontrolliert und keiner von ihnen definierte Blöcke. Sie alle waren Teil der Behandlung im Laborexperiment.
Es tut mir leid für die Verwirrung. Wir sind uns wirklich einig!
Betreff: Sind feste Blockierungsvariablen dasselbe wie eine kategoriale Variable, nur dass sie nicht im Vorhersageprofiler angezeigt werden?Markieren,
Hmmm, ich bin wirklich verwirrt von Ihrer Aussage. Ich verstehe nicht, was Lärmfaktoren mit Blockieren zu tun haben.“ Das Blockieren erfolgt so innerhalb In jedem Block ist das Rauschen konstant, wodurch die Präzision erhöht wird. Der im Block konstant gehaltene Lärm wird gezielt verändert zwischen Blöcke, um den Inferenzraum zu vergrößern.
Vielleicht ist es die Definition von Lärm. Ich definiere Lärm als jene Faktoren/Variablen, mit denen man nicht zurechtkommt (Zukunftsform). Mit „verwalten“ meine ich die Kontrolle oder die Festlegung von Ebenen. Der Grund dafür, dass Sie möglicherweise nicht bereit sind, Faktoren zu verwalten, ist:
1. Sie können oder verfügen nicht über die Technologie
2. Es ist zu teuer
3. Es ist unbequem
Die meiste Zeit verbringe ich in der Produktentwicklung (F&E). Ein Großteil dieser Zeit wird damit verbracht, zu verstehen, wie sich die Designfaktoren auf die Produktleistung auswirken, und wir versuchen wirklich, die kausale Struktur zu verstehen. Es müssen Entscheidungen darüber getroffen werden, welche Faktoren beherrschbar sind und welche nicht. Anschließend erhalten wir Daten, um diese Entscheidungen zu stützen oder zu entkräften. Der Ingenieur muss überlegen, wie effektiv die Designfaktoren die Produktleistung in den Händen des Kunden beeinflussen. Der Ingenieur muss Variationsquellen berücksichtigen: Materialien, Herstellung/Montage, Test, Vertrieb, Lagerung, Verwendung usw. Historisch gesehen wurde die Produktentwicklung mit einer extrem kleinen Anzahl von Proben aus einem extrem kleinen Inferenzraum durchgeführt. Abhängig von der Komplexität und den Kosten des Produkts erhalten sie möglicherweise nur wenige „Beta“-Einheiten, um festzustellen, wie gut ihr Design IN DER ZUKUNFT funktionieren wird. Vielleicht entscheiden sie sich deshalb dafür, die Produktleistung in diesem kleinen Maßstab zu testen und dabei das Rauschen so konstant wie möglich zu halten (wodurch die Präzision ihrer Experimente erhöht wird). Die „Beta“-Einheiten stammen aus 1 Charge Rohmaterial, 1 Fertigungslinie (die wahrscheinlich keine Produktionslinie ist), 1 Person, die die Montage durchführt, und wurden über einen kurzen Zeitraum getestet, in dem sich die Umgebungsbedingungen nicht wesentlich ändern, mit 1 Messsystem , die Variationen in der Kundennutzung werden alle konstant gehalten (verwenden Sie das Tintenbeispiel weiter oben: Halten Sie Druck, Winkel, Substrat und Umgebungsbedingungen KONSTANT). Anschließend extrapolieren sie diese Ergebnisse in die Zukunft und erstellen außerdem Leistungs- und Zuverlässigkeitsstatistiken. Das wissen Sie wahrscheinlich! Die Frage ist, wie wir eine kleine Stichprobe von Beta-Einheiten mit erhöhter Präzision und größerem Inferenzraum testen können. Gott sei Dank für DOE!Die Ingenieure/Wissenschaftler benötigen Strategien, um in diesen Situationen mit Lärm umzugehen. Die Designstruktur ist nur ein Teil der Gleichung. Welcher Prozentsatz aller Faktoren in einem Prozess, mit denen typischerweise experimentiert wird? Wie wird mit den „anderen“ Faktoren umgegangen? Blockieren ist eine dieser Strategien (obwohl es natürlich auch andere gibt). Während das Blockieren viele Lärmfaktoren verfälscht, bietet es doch die Möglichkeit, die Fragen zu beantworten: Wenn sich der Lärm in Zukunft ändert, was unweigerlich der Fall sein wird, da er per Definition nicht bewältigt wird, wird das Produkt dann immer noch die beabsichtigte Leistung erbringen? Wenn die Einfluss von Designfaktoren Ein Ingenieur beschließt, die Produktleistung zu verbessern Hängt vom Lärm ab (Dies ist die Definition einer Interaktion). Wie legt der Konstrukteur dann die Einstellung für den Designfaktor fest? Je früher dies erkannt wird, desto mehr Optionen stehen Ihnen zur Verfügung und desto kostengünstiger kann es behoben oder abgemildert werden. Wenn Designfaktoren bei sich ändernden Geräuschen den gleichen Einfluss auf die Produktleistung haben, liegt ein robustes Produktdesign vor.
Betreff: Sind feste Blockierungsvariablen dasselbe wie eine kategoriale Variable, nur dass sie nicht im Vorhersageprofiler angezeigt werden?Ich stimme mit Ihnen ein. Ihr Beispiel für Lärmfaktoren verwirrt mich jetzt. Ich verstehe nicht, was Lärmfaktoren mit Blockieren zu tun haben.
Nein, ich behaupte, dass es einen anderen Faktor mit fester Wirkung gibt, der kein einfacher Block ist, wie Lot oder Day. Es wurde möglicherweise nicht identifiziert, aber es handelt sich um eine unkontrollierte, lauernde Variable, die mit den Blockänderungen variiert. Sperrkonten für einfache Mittelschichten. Eine Interaktion zeigt an, dass ein anderer Faktor aktiv ist. Das ist alles, was ich meinte.
Betreff: Sind feste Blockierungsvariablen dasselbe wie eine kategoriale Variable, nur dass sie nicht im Vorhersageprofiler angezeigt werden?Vielleicht verstehe ich Ihren Standpunkt nicht @Mark_Bailey ? Äh, „Das sollen sie nicht tun“? Ratet mal, das kommt in der realen Welt häufig vor. Dies ist ein Hinweis darauf, dass das Produkt- oder Prozessdesign nicht robust ist. Um Robustheit zu erreichen, müssen Sie mit den Designfaktoren experimentieren, während sich das Geräusch ändert.
Wollen Sie damit sagen, dass Block-by-Factor-Wechselwirkungen aus wissenschaftlicher Sicht nicht existieren können? Wenn ja, muss ich widersprechen. Lassen Sie mich ein Beispiel nennen (von Hunderten, an denen ich gearbeitet habe). Entwerfen Sie eine Tinte für Kugelschreiber. Das Abgabesystem für die Tinte ist eine Funktion der Schwerkraft und der Kapillare. Der Benutzer hält den Stift auf ein Substrat (z. B. Papier), und die Kugel bewegt sich „in“ den Stift und lässt die Tinte fließen. Der Untergrund nimmt die Tinte auf. Mit dem Produkt sind eine Reihe von Designfaktoren verbunden (z. B. Geometrien, Abmessungen, Materialien, Chemie). Im Folgenden finden Sie eine kurze Liste der mit dem Vorgang verbundenen Geräusche. Nichts davon kann vom Stifthersteller kontrolliert werden.
Winkel, in dem der Stift gehalten wird
Druck auf den Stift ausgeübt
Absorptionsfähigkeit des Untergrundes
Umgebungsbedingungen
In der Vergangenheit wurden diese „Faktoren“ bei der Durchführung des „Schreibtests“ konstant gehalten, um Leistungsmessungen der Tinten-/Stiftbaugruppe zu quantifizieren. Entwürfe wurden für eine Situation „optimiert“, die in der realen Welt so gut wie nie vorkommt. Durch Experimente haben wir herausgefunden, dass die Leistung der Designfaktoren vom Rauschen abhängt (dies wurde ursprünglich durch RCBD entdeckt und dann durch Cross Product Arrays (Split-Plots) optimiert). Ganz rational und wissenschaftlich begründet. Der Grund für Kundenbeschwerden lag darin, dass die Bedingungen, unter denen der Stift verwendet werden sollte, nicht getestet wurden.
Betreff: Sind feste Blockierungsvariablen dasselbe wie eine kategoriale Variable, nur dass sie nicht im Vorhersageprofiler angezeigt werden?Andere haben die Probleme gut angesprochen. Ich möchte nur auf die Idee eingehen, den Blockierungsfaktor von Interaktionseffekten auszuschließen. Es ist eine Art philosophische Entscheidung. Der Entwurf ordnet einen Block von Läufen einer Ebene eines Lärmfaktors zu, beispielsweise „Tag“ oder „Los“. Betrachten Sie den Blockeffekt als eine lokale Anpassung des Achsenabschnitts. Dabei handelt es sich um eine Änderung des gesamten Mittelwerts, um einer Verschiebung in einem Block Rechnung zu tragen. Wir schließen Wechselwirkungen aus, weil sie darauf hinweisen, dass sich die festen Wirkungen von Faktoren ändern. Das sollen sie nicht tun. Die Beziehung zwischen der Antwort und den Faktoren sollte in jedem Block gleich sein. Wenn das nicht der Fall ist, müssen unbekannte Faktoren lauern, die sich zwischen den Blöcken ändern und zu festeren Effekten beitragen. Es handelt sich also nicht um die Mathematik oder das lineare Modell; Hinter dem Ausschluss steht ein wissenschaftlicher Standpunkt.
Betreff: Sind feste Blockierungsvariablen dasselbe wie eine kategoriale Variable, nur dass sie nicht im Vorhersageprofiler angezeigt werden?Da es Wechselwirkungen gibt, wäre ich versucht, Ihre Lösung 1 zu nutzen und den Spender als Faktor zu behandeln, zumal der Profiler dann dabei helfen kann, diese Wechselwirkungen zu visualisieren.
Allerdings ist es nicht besonders hilfreich, dies im Vorhersageprofiler zu haben, da ich mich immer mit der Spendervariabilität auseinandersetzen muss – ich kann nicht einfach weiter „maximieren“, indem ich immer wieder auf denselben Spender zurückgreife.
Durch Klicken bei gedrückter Alt-Taste auf den Spender im Profiler kann das Maximierungsproblem gemildert werden, wenn Sie „Faktoreinstellung sperren“ auswählen. Dadurch maximiert der Profiler die anderen Faktoren und verhindert gleichzeitig, dass sich der Spender bewegt. Natürlich verstehe ich möglicherweise falsch, was Sie geschrieben haben, und das Sperren der Faktoreinstellung ist möglicherweise genau das, was Sie vermeiden möchten.
Betreff: Sind feste Blockierungsvariablen dasselbe wie eine kategoriale Variable, nur dass sie nicht im Vorhersageprofiler angezeigt werden?Hallo @QW ,
Die bisherigen Antworten enthalten viele gute Ratschläge.
"...T Hier scheint es keinen praktischen Unterschied zwischen der Zuweisung meiner Belästigungsvariablen als Blockierungsfaktor und der einfachen Bezeichnung als kategorialen Faktor zu geben. "
Richtig. In diesem Fall wird es keinen Unterschied im Design geben.
Unabhängig davon, ob Sie den Spenderfaktor als Blockierungsfaktor oder als kategorialen Faktor angeben, ist für 8 Läufe die 2^3-Vollfaktorie die optimale Lösung mit einer Korrelation der Faktoreffekte von 0 (orthogonal).
Ich hoffe das hilft.
Phil
Betreff: Sind feste Blockierungsvariablen dasselbe wie eine kategoriale Variable, nur dass sie nicht im Vorhersageprofiler angezeigt werden?Lassen Sie es mich so klar wie möglich formulieren. Es ist nicht JMP, das entscheidet, wie die Analyse ablaufen soll, sondern der Benutzer. Viele aufzählend Statistiker betrachten Blockeffekte als Zufallseffekte. Ich verfolge einen eher analytischen Ansatz zum Verständnis der Kausalstruktur. Wenn ich den Lärm mit der gebotenen Sorgfalt identifiziert habe, gibt es meiner Meinung nach ein wirksameres Mittel, um den Lärm und die Auswirkungen des Lärms zu verstehen. Ja, ich würde Block- und alle Block-für-Faktor-Wechselwirkungen in das gesättigte Modell für RCBD einbeziehen.
sehen: Doug Sanders, Mary G. Leitnaker und Robert A. McLean (2002) Randomisierte vollständige Blockdesigns in Industriestudien, Qualitätstechnik, 14:1, 1-8, DOI: 10.1081/QEN-100106880
Was Ihren zweiten Absatz betrifft, ist es unwahrscheinlich, dass Sie auf ALLE Spender schließen können, indem Sie nur zwei von ihnen beproben. Möglicherweise haben Sie Hypothesen darüber, warum Spender die Reaktion beeinflussen würden (z. B. Alter, Grunderkrankungen, Geschlecht, Genetik usw.). Wenn Sie Spender auswählen können, die die Extreme der Spenderbedingungen erfassen (z. B. Fettdruck-Level-Einstellung), können Sie möglicherweise den Rückschlussraum ausreichend vergrößern, damit die Ergebnisse Ihrer Studie in Zukunft nützlich sind. Wenn dies jedoch nicht möglich ist, müssen Sie die Variation von Spender zu Spender über eine viel größere Stichprobe erfassen.
Die Faustregel:
„Leider werden zukünftige Experimente (zukünftige Versuche, die Produktion von morgen) von anderen Umgebungsbedingungen (Temperatur, Materialien, Menschen) beeinflusst als denen, die dieses Experiment beeinflussen … Nur durch Kenntnis des Themas kann man möglicherweise durch weitere Experimente unterstützt (Kursivschrift hinzugefügt) um ein breiteres Spektrum von Bedingungen abzudecken, so dass man mit der Gefahr eines Irrtums entscheiden kann, ob die Umweltbedingungen der Zukunft denen von heute nahe genug sein werden, um die Verwendung der vorliegenden Ergebnisse zu ermöglichen.“
Dr. Deming
Betreff: Sind feste Blockierungsvariablen dasselbe wie eine kategoriale Variable, nur dass sie nicht im Vorhersageprofiler angezeigt werden?Danke, @statman . Zu diesem Satz: „ Mit dieser Strategie können Sie die Größe des Blockeffekts beurteilen und den zusätzlichen Vorteil haben, dass Sie beurteilen können, ob die Designfaktoreffekte bei sich änderndem Rauschen konsistent sind (wie durch Block-für-Faktor-Wechselwirkungen quantifiziert). Wollen Sie damit sagen, dass JMP zwar Block:Faktor-Interaktionen nicht als Merkmal einer Blockierungsvariablen betrachtet (dh dies würde als Merkmal eines kategorialen Faktors und nicht als Blockierungsvariable betrachtet), Sie aber dennoch versuchen sollten, Block:Faktor-Interaktionen anzupassen? ?
Zweitens zu diesem Punkt: „Wenn Sie den Lärm nicht identifiziert haben, müssen Sie ihn nur als zufälligen Effekt behandeln.“ Da Sie keine Vorstellung davon haben, wie repräsentativ das Rauschen für zukünftige Bedingungen ist, müssen Sie wahrscheinlich die Stichprobengröße erhöhen, um die Sicherheit bei der Extrapolation der Ergebnisse in die Zukunft zu erhöhen.“ Es gibt so viele mögliche Ursachen für Spendervariabilität, dass ich versuche, sie einfach in einer Variablen zusammenzufassen, anstatt herauszufinden, was genau an den Spendern die Variabilität verursacht. In diesem Fall wäre es am logischsten, dies als einen zufälligen Effekt zu behandeln. Da jedoch die Zahl der Spender, die ich durchsuchen kann, durch meine Arbeitskraft auf normalerweise 2 oder 3 begrenzt ist, muss ich Spender wahrscheinlich als feste Effekte modellieren („Ich finde diese spezifischen Spender von Fall zu Fall interessant“). Gibt es Faustregeln/Statistiken, um zu testen, wie viele Spender ich möglicherweise untersuchen muss, bevor ich sichere Vorhersagen über das mit der Spendervariabilität verbundene Rauschen treffen kann, die ich auf die größere Bevölkerung extrapolieren kann?
Danke.
Betreff: Sind feste Blockierungsvariablen dasselbe wie eine kategoriale Variable, nur dass sie nicht im Vorhersageprofiler angezeigt werden?Danke, @Victor_G . Ich habe mir die Antworten durchgelesen, bin mir aber immer noch nicht sicher, ob es um das Blockieren oder das einfache Hinzufügen eines kategorialen Faktors geht.
Wenn ich im benutzerdefinierten Designer 8 Läufe und 2 Variablen habe und diese in Blöcke der Größe 4 gruppiere, erhalte ich im Grunde einen vollständig faktoriellen Entwurf, bei dem jeder Block orthogonal ist. Wenn ich stattdessen meine Blockierungsvariable als kategoriale Variable einbeziehe, erhalte ich wieder einen vollfaktoriellen Versuchsplan, bei dem jede Ebene meiner kategorialen Variablen orthogonal ist. In diesem Sinne scheint es keinen praktischen Unterschied zu geben, ob ich meine Belästigungsvariable als blockierenden Faktor zuweise oder sie einfach als kategorialen Faktor bezeichne.
Für mich scheint der einzige Sinn des Blockierens darin zu bestehen:
1. Entfernen Sie Block:Faktor-Interaktionen aus dem benutzerdefinierten Designdialog, da die Idee darin besteht, dass die Auswirkungen des Faktors innerhalb des Blocks unabhängig davon sein sollten, in welchem Block er sich befindet.
2. Machen Sie den Vorhersage-Profiler einfacher verständlich, da es Ihnen eigentlich egal ist, die „beste Ebene“ Ihres Blocks zu finden.
Betreff: Sind feste Blockierungsvariablen dasselbe wie eine kategoriale Variable, nur dass sie nicht im Vorhersageprofiler angezeigt werden?Ich habe eine andere Sicht auf die von Ihnen gestellten Fragen. Blockieren ist eine Methode, um mit Rauschen in einem Experiment umzugehen. Lärm ist der Faktor, den Sie in Zukunft nicht in den Griff bekommen möchten (entweder weil Sie nicht über die Technologie verfügen, weil die Kosten unerschwinglich sind oder weil die Handhabung einfach unpraktisch ist). Blöcke sollen große Rauschblöcke zusammenfassen (mit dem Blockeffekt können viele Rauschvariablen verwechselt werden). Blöcke vergrößern den Inferenzraum, ohne die Entwurfsgenauigkeit zu verringern (tatsächlich können die Blöcke die Entwurfsgenauigkeit erhöhen). Letztlich interessiert Sie vielleicht die Größe der Wirkung des Blocks, aber Sie können keine „beste“ Stufe auswählen. Dies gilt natürlich nicht für einen kategorialen Faktor. Sie können eine Ebene einer anderen vorziehen.
Was die Blockierung betrifft: Wenn Sie den Lärm identifiziert haben (dies ist ein wichtiger Schritt), haben Sie die Möglichkeit, den Lärm als festen Effekt zu behandeln. Mit dieser Strategie können Sie die Größe des Blockeffekts beurteilen und den zusätzlichen Vorteil haben, dass Sie beurteilen können, ob die Designfaktoreffekte bei sich änderndem Rauschen konsistent sind (wie durch Block-für-Faktor-Wechselwirkungen quantifiziert). Dies ist das wahre Maß für die Robustheit des Designfaktors. Die Frage ist, wie man dieses Geräusch im Experiment darstellt. Der gleiche Rat gilt für die Untersuchung von Faktoren. Da das Experiment in einem kleinen Maßstab (relativ enger Inferenzraum) durchgeführt wird, müssen Sie die Effekte übertreiben, um den Inferenzraum zu vergrößern. Aus diesem Grund setzen Sie in Screening-Experimenten die Faktoren auf fettgedruckte Werte. Dies gilt auch für die Lärmeffekte. Übertreiben Sie den Lärm in Ihrem Designraum. Sie könnten beispielsweise einen Block betreiben, in dem die Umgebungsbedingungen kalt und trocken sind, und den zweiten Block, in dem es warm und feucht ist. Warum sollten Spender anders sein? Welche physischen Eigenschaften des Spenders könnten einen Einfluss auf die Antwortvariablen haben? Welchen Einfluss könnten Ihre Designfaktoren auf den Spender haben? Die Antworten auf diese Fragen bilden die Grundlage für die Hypothesen, die bei der Auswahl der Spender hilfreich sein können.
Wenn Sie das Rauschen nicht identifiziert haben, bleibt Ihnen nur noch, das Rauschen als zufälligen Effekt zu behandeln. Da Sie keine Vorstellung davon haben, wie repräsentativ das Rauschen für zukünftige Bedingungen ist, müssen Sie wahrscheinlich die Stichprobengröße erhöhen, um die Sicherheit bei der Extrapolation der Ergebnisse in die Zukunft zu erhöhen.
„Blockieren Sie, was Sie können, und randomisieren Sie, was Sie nicht können“ GEP Kasten. (Blockieren Sie das identifizierte Rauschen und verwenden Sie die Randomisierung, wenn Sie das Rauschen nicht identifiziert haben.)
Betreff: Sind feste Blockierungsvariablen dasselbe wie eine kategoriale Variable, nur dass sie nicht im Vorhersageprofiler angezeigt werden?Hallo @QW ,
Ihr Denken ist auf dem richtigen Weg, der kategoriale Faktor und der Blockierungsfaktor haben unterschiedliche Realitäten und Verwendungsmöglichkeiten (fester Effekt, den Sie in Ihren Experimenten unabhängig ändern können, vs. zufälliger Effekt mit bekannter (Wochentag) oder unbekannter Anzahl von Ebenen (Spendermerkmale) ).
Ich würde vorschlagen, einen Blick auf Themen zu werfen, die sich mit diesem Thema befassen (mit hervorragenden Antworten von @Mark_Bailey Und @Dan_Obermiller ), da dies Ihnen bei der Auswahl der in Ihrem Fall sinnvollsten Option helfen kann:
Es gibt auch ein aufgezeichnetes Webinar zum Thema Blockierung im DoE: Verwenden von Blockierungen beim Entwerfen von Experimenten – JMP-Benutzergemeinschaft
Ich hoffe, diese erste Antwort wird Ihnen helfen,
