Definitives Screening-Design mit asymmetrischem SollwertHallo zusammen,
Ich möchte ein Experiment als definitives Screening-Design entwerfen. Allerdings möchte ich für einen Faktor nicht 0, sondern -0,5 als Sollwertniveau einbeziehen. Dies stellt den aktuellen Standard dar. Eine symmetrische Abschirmung um den aktuellen Sollwert ist aus technischen Gründen nicht möglich. Gibt es eine Möglichkeit, trotzdem ein definitives Screening-Design zu verwenden? Und wenn ja, wie würde ich das in JMP machen?
Ich freue mich auf Antworten! 
Am besten,
Anja
VersuchsplanungBetreff: Definitives Screening-Design mit asymmetrischem SollwertIch verstehe Ihre Frage nicht, aber hier sind meine Gedanken:
1. Die Stufen in einem definitiven Screening-Design sind mit -1, 0, 1 codiert. Diese stellen keine tatsächlichen Stufen dar, Sie können also beliebige tatsächliche Stufen verwenden.Ich weiß nicht, was Sie mit „Sollwertniveau“ meinen?
2. Bezüglich Ihres Faktors, der derzeit bei -0,5 liegt und nicht auf <-0,5 getestet werden kann, können Sie -0,5 als -1-Einstellung verwenden und zwei weitere Ebenen mit gleichem Abstand für die 0- und 1-Kodierung auswählen.Die drei Ebenen in einem definitiven Screening-Design dienen dazu, den quadratischen Effekt abzuschätzen.
Betreff: Definitives Screening-Design mit asymmetrischem SollwertDie Verwirrung tut mir leid. Ich habe bereits von einem kodierten Faktor gesprochen. Lassen Sie mich die Frage umformulieren:
Ist es möglich, einen DSD mit -1, -0,5, 1 statt -1, 0, 1 zu entwerfen?Betreff: Definitives Screening-Design mit asymmetrischem SollwertSie können eine DSD erstellen und dann die 0-Stufen in -0,5 umkodieren, nachdem Sie eine Datentabelle erstellt haben. Dieses Ergebnis ist kein DSD mehr. Es verfügt nicht über die Eigenschaften eines DSD und unterstützt nicht die Fit Definitive Screeing-Plattform und -Analyse.
Sie könnten stattdessen ein benutzerdefiniertes Design verwenden und diskrete numerische Faktoren anstelle von kontinuierlichen Faktoren wählen. Sie können die 3 Stufen nach Ihren Wünschen einstellen. In diesem Fall müssen Sie alle zusätzlichen Potenzterme für solche Faktoren im Modell belassen, sonst entfernt der Algorithmus Stufen. Sie können jedoch Begriffe hinzufügen.
