Quiero realizar un experimento de detección para identificar qué factores afectan más mi respuesta (Y). Por investigaciones anteriores, soy consciente de que estas variables tienen interacciones, por lo que necesito tener términos de interacción en mi modelo. Los factores que identifiqué como relevantes son los siguientes:
- X1 - continuo
- X2 - continuo
- X3 - continuo
- X4 - continuo
- X5 - continuo
- X6 - categórico con 2 niveles solamente
- X7 - categórico con 10 niveles
Para ser específicos, X7 es un tipo de sustancia química: un ácido graso. Los ácidos grasos pueden ser saturados, monoinsaturados o poliinsaturados, de cadena más larga o de cadena más corta, etc., así que seleccioné 10 de ellos que abarcaban este rango de propiedades. Debido a que X7 tiene más de 3 niveles, me veo obligado a utilizar el diseño personalizado en JMP y, al tener en cuenta los términos de interacción en mi modelo, esto da como resultado aproximadamente 42 experimentos. Quería preguntar si existe una forma más eficiente de hacer esto. Específicamente, una forma más eficiente de configurar un DOE para estudiar variables como X7 (que son categóricas).
Pensando en voz alta, al principio pensé que convertir X7 de variable discreta a continua (tal vez centrándome en una característica importante de los ácidos grasos) podría ser útil porque entonces simplemente podría elegir una configuración "alta" y "baja". Pero los productos químicos son multidimensionales, es decir, no pueden reducirse simplemente a una característica/número, por lo que no creo que éste sea el camino a seguir.
Entonces, ¿existe una forma más eficiente de diseñar un estudio en el que se tiene una variable categórica como X7?
