Ich wollte ein Experiment entwerfen, um 18 Faktoren anhand einer Antwort zu vergleichen. Ich verstehe jetzt, dass es modernere, bessere Designs gibt, um dieses Problem zu lösen, aber damals habe ich ein 20-Run-Plackett-Burman-Design verwendet. Ich habe jeden Lauf doppelt absolviert, also insgesamt 40 Läufe. Ich füge eine CSV-Datei der anonymisierten Ergebnisse bei, in der ich die Faktorstufen standardisiert habe (Mittelwert subtrahiert und durch Standardabweichung dividiert).
Da es sich bei Plackett-Burman um ein gesättigtes Design handelt, verstehe ich, dass ich nicht versuchen kann, ein lineares Modell anzupassen, da die Anzahl der Terme bedeutet, dass es mit an Sicherheit grenzender Wahrscheinlichkeit überangepasst ist. Deshalb sollte ich ein „Zwei-Ebenen-Screening“ verwenden (obwohl dies vielleicht der Fall ist). Änderungen, weil ich Duplikate habe?) . Ich habe diese Option verwendet und alle 18 Faktoren AR als X und die Antwort als Y hinzugefügt. Screenshot der Ergebnisse unten:
Ich habe erwartet, dass insbesondere A, M und D eine Wirkung haben würden, aber ich fände es ziemlich überraschend, wenn F und K erhebliche Auswirkungen hätten. Deshalb dachte ich, ich würde hier nachsehen, ob ich diese Ergebnisse richtig interpretiere. Ich bin besonders verwirrt darüber, dass JMP im Rahmen der zweistufigen Überprüfung „Null“-Begriffe hinzufügt. Diese Seite In der Dokumentation wird die Begründung beschrieben:
Der Prozess wird fortgesetzt bis N Effekte werden erzielt, wo N ist die Anzahl der Zeilen in der Datentabelle und sättigt somit das Modell vollständig. Wenn eine vollständige Sättigung mit den Faktoren nicht möglich ist, generiert JMP zufällige orthogonalisierte Effekte, um den Rest der Variation zu absorbieren. Sie sind beschriftet Null n Wo N ist eine Zahl. Diese Situation tritt beispielsweise auf, wenn der Entwurf exakte Replikatzeilen enthält.
Ich habe zwar replizierte Zeilen im Design, aber wenn ich mir das Diagramm oben ansehe, kommt es mir so vor, als ob die Faktoren A und M von den anderen Faktoren getrennt sind und dass andere Faktoren als A und M nur aufgrund der Nullterme signifikant erscheinen hinzugefügt.
Warum sollte ich diese Ergebnisse in Frage stellen, abgesehen davon, dass es überraschend wäre, wenn bestimmte Faktoren Auswirkungen hätten? Aus der JMP-Dokumentation: „Die Analyse von Screening-Designs hängt vom Prinzip ab Sparsamkeit bewirken , wobei der größte Teil der Variation in der Reaktion durch eine kleine Anzahl von Effekten erklärt wird.“ Ich frage mich, ob das hier kaputt geht, ob so viele Faktoren als bedeutsam hervortreten?
Vielen Dank im Voraus für jede Hilfe.
Ich verwende JMP Pro 17.0.0
