私は、1 つの応答に対して 18 の因子をスクリーニングする実験をデザインしたいと考えていました。 今では、この問題を解決するための、より現代的でより優れた設計があることを理解していますが、当時私は 20 回実行の Plackett-Burman 設計を使用していました。 各実行を 2 回ずつ実行し、合計 40 回の実行を完了しました。 因子レベルを標準化した (平均を引いて標準偏差で割った)、匿名化された結果の .csv を添付します。
Plackett-Burman は飽和計画であるため、線形モデルを近似しようとすることはできません。項の数がほぼ確実に過剰適合であることを意味するため、「2 レベル スクリーニング」を使用する必要があることを理解しています (おそらくこれは、重複があるため変更されますか?) 。 私はこのオプションを使用し、18 個の因子 AR をすべて X として追加し、応答を Y として追加しました。 以下の結果のスクリーンショット:
特に A、M、D に効果があると予想していましたが、F と K に大きな効果があるとしたらかなり驚きです。 そこで、この結果を正しく解釈しているかどうかをここで確認してみようと思いました。 私が特に混乱しているのは、JMP が 2 レベルのスクリーニングの一環として「Null」用語を追加しているという事実です。 このページドキュメントではその根拠が説明されています。
プロセスは次の時点まで続きます。 n効果が得られる場合、 nはデータテーブル内の行数であるため、モデルは完全に飽和状態になります。 因子を完全に飽和させることができない場合、JMP は残りの変動を吸収するためにランダムな直交効果を生成します。 ラベルが付けられていますヌルnどこnは数字です。 たとえば、デザイン内に正確に複製された行が存在する場合、この状況が発生します。
計画には複製行がありますが、上のプロットを見ると、因子 A と M が他の因子から分離されており、ヌル項が存在するために A と M 以外の因子が重要に見えるだけであるように思えます。追加した。
特定の要因が影響を及ぼしているとしたら驚くべきこととは別に、なぜ私がこれらの結果に疑問を抱くのでしょうか? JMP ドキュメントより: 「スクリーニング設計の分析は、次の原則に依存します。効果の希薄性ここで、応答の変動のほとんどは少数の効果によって説明されます。」 ここでこれが崩れているのかどうか、これほど多くの要因が重要であることが明らかになっているのかどうか疑問に思っています。
ご協力をよろしくお願いいたします。
JMP Pro 17.0.0を使用しています
