Je souhaite mener une expérience de dépistage pour identifier les facteurs qui affectent le plus ma réponse (Y). D'après des recherches antérieures, je suis conscient que ces variables ont des interactions, j'ai donc besoin d'avoir des termes d'interaction dans mon modèle. Les facteurs que j’ai identifiés comme pertinents sont les suivants :
- X1 - continu
- X2 - continu
- X3 - continu
- X4 - continu
- X5 - continu
- X6 - catégorique avec 2 niveaux seulement
- X7 - catégorique avec 10 niveaux
Pour être précis, X7 est un type de produit chimique : un acide gras. Les acides gras peuvent être saturés ou monoinsaturés ou polyinsaturés, à chaîne plus longue ou à chaîne plus courte, etc. J'en ai donc sélectionné 10 qui couvrent cette gamme de propriétés. Étant donné que X7 a plus de 3 niveaux, je suis obligé d'utiliser la conception personnalisée dans JMP, et en tenant compte des termes d'interaction dans mon modèle, cela donne environ 42 expériences. Je voulais demander s'il existe un moyen plus efficace de procéder ? Plus précisément, un moyen plus efficace de configurer un DOE pour étudier des variables comme X7 (qui sont catégorielles).
En réfléchissant à voix haute, j'ai d'abord pensé que convertir X7 de variable discrète en variable continue (en se concentrant peut-être sur une caractéristique importante des acides gras) pourrait être utile car je pourrais alors simplement choisir un réglage "élevé" et "bas". Mais les produits chimiques sont multidimensionnels, c'est-à-dire qu'ils ne peuvent pas être réduits à une seule caractéristique ou à un seul numéro. Je ne pense donc pas que ce soit la voie à suivre.
Existe-t-il donc un moyen plus efficace de concevoir une étude dans laquelle vous disposez d'une variable catégorielle telle que X7 ?
