Ich möchte ein Screening-Experiment durchführen, um herauszufinden, welche Faktoren meine Reaktion (Y) am meisten beeinflussen. Aus früheren Forschungen weiß ich, dass diese Variablen Wechselwirkungen haben, daher muss ich Wechselwirkungsterme in meinem Modell haben. Die Faktoren, die ich als relevant identifiziert habe, sind die folgenden:
- X1 - kontinuierlich
- X2 - kontinuierlich
- X3 - kontinuierlich
- X4 - kontinuierlich
- X5 - kontinuierlich
- X6 – kategorisch mit nur 2 Ebenen
- X7 – kategorisch mit 10 Stufen
Genauer gesagt ist X7 eine Art Chemikalie: eine Fettsäure. Fettsäuren können gesättigt oder einfach ungesättigt oder mehrfach ungesättigt, längerkettig oder kürzerkettig usw. sein, daher habe ich zehn davon ausgewählt, die diesen Eigenschaftsbereich abdecken. Da X7 über mehr als drei Ebenen verfügt, bin ich gezwungen, das benutzerdefinierte Design in JMP zu verwenden. Unter Berücksichtigung der Interaktionsterme in meinem Modell führt dies zu etwa 42 Experimenten. Ich wollte fragen, ob es einen effizienteren Weg gibt, dies zu tun? Insbesondere eine effizientere Möglichkeit, ein DOE einzurichten, um Variablen wie X7 (die kategorisch sind) zu untersuchen.
Als ich laut darüber nachdachte, dachte ich zunächst, dass die Umwandlung von X7 von einer diskreten in eine kontinuierliche Variable (indem ich mich vielleicht auf ein wichtiges Merkmal von Fettsäuren konzentriere) hilfreich sein könnte, weil ich dann einfach eine „hohe“ und eine „niedrige“ Einstellung auswählen könnte. Aber Chemikalien sind mehrdimensional, das heißt, sie können nicht einfach auf ein Merkmal/eine Zahl reduziert werden, daher glaube ich nicht, dass dies der richtige Weg ist.
Gibt es also eine effizientere Möglichkeit, eine Studie zu entwerfen, bei der Sie eine kategoriale Variable wie X7 haben?
