Je voulais concevoir une expérience pour examiner 18 facteurs par rapport à une réponse. Je comprends maintenant qu'il existe des conceptions plus modernes et meilleures pour résoudre ce problème, mais à l'époque, j'utilisais une conception Plackett-Burman à 20 essais. J'ai terminé chaque exécution en double, pour 40 exécutions au total. Je joins un .csv des résultats anonymisés, où j'ai standardisé les niveaux de facteurs (moyenne soustraite et divisé par écart type).
Je comprends que parce que Plackett-Burman est une conception saturée, je ne peux pas essayer d'ajuster un modèle linéaire car le nombre de termes signifie qu'il est presque certain d'être surajusté, je devrais donc utiliser un « filtrage à deux niveaux » (bien que cela puisse être des changements parce que j'ai des doublons ?) . J'ai utilisé cette option, en ajoutant les 18 facteurs AR en X et la réponse en Y. Capture d'écran des résultats ci-dessous :
Je m'attendais surtout à ce que A, M et D aient un effet, mais je trouverais assez surprenant que F et K aient des effets significatifs. J'ai donc pensé vérifier ici si j'interprète correctement ces résultats. Je suis particulièrement confus par le fait que JMP ajoute des termes « Null » dans le cadre du filtrage à deux niveaux. Cette page dans la documentation décrit la justification :
Le processus se poursuit jusqu'à n des effets sont obtenus, où n est le nombre de lignes dans la table de données, saturant ainsi complètement le modèle. Si une saturation complète n'est pas possible avec les facteurs, JMP génère des effets orthogonalisés aléatoires pour absorber le reste de la variation. Ils sont étiquetés Nul n où n est un nombre. Par exemple, cette situation se produit s’il existe des lignes de réplication exacte dans le plan.
J'ai des lignes répliquées dans la conception, mais quand je regarde le graphique ci-dessus, il me semble que les facteurs A et M sont distincts des autres facteurs, et que les facteurs autres que A et M ne semblent significatifs que parce que les termes nuls sont ajoutée.
Pourquoi remettrais-je en question ces résultats, sinon qu’il serait surprenant que certains facteurs aient des effets ? Extrait de la documentation JMP : "L'analyse des conceptions de criblage dépend du principe de effet rareté , où la majeure partie de la variation de la réponse s'explique par un petit nombre d'effets". Je me demande si cela est en train d'être brisé ici, si autant de facteurs apparaissent comme importants ?
Merci beaucoup d'avance pour toute aide.
J'utilise JMP Pro 17.0.0
