J'ai une confusion persistante concernant le blocage des variables dans ma conception et mon analyse.Bonjour à tous, j'utilise JMP Pro 15.2.1.
J'ai une confusion persistante concernant le blocage dans une expérience conçue. En particulier, si je bloque effectivement.
Dans mon expérience, j'ai trois facteurs d'intérêt à 2 niveaux (on/off). La variable de réponse est le temps nécessaire pour effectuer une tâche. Je veux faire une factorielle 2x2x2 et je souhaite tester la signification des effets principaux et des interactions bidirectionnelles. J'ai 24 courses disponibles, soit 3 répétitions des 8 traitements.
Supposons en outre que 6 opérateurs différents effectuent les analyses. L'effet opérateur ne m'intéresse pas, mais je souhaite prendre en compte cette source de variation. Pour compliquer les choses, en raison d'une contrainte que je ne peux pas contrôler, chaque opérateur « se présentera » et se verra attribuer un nombre différent d'exécutions : entre 2 et 6 exécutions de la table randomisée de 24 exécutions.
Supposons que j'ai mené l'expérience de cette manière :
- l'opérateur 1 s'est présenté, disponible pour effectuer, disons, 6 courses ; J'ai attribué six traitements aléatoires de la table de 24 analyses à l'opérateur 1.
- l'opérateur 2 s'est présenté, disponible pour effectuer, disons, 4 courses ; J'ai attribué 4 traitements aléatoires parmi les 18 analyses restantes à l'opérateur 2.
- répétez avec les opérateurs restants jusqu’à ce que les 24 exécutions soient terminées.
Il ne s’agit donc pas exactement d’une conception bloquée. Le Opérateur n'était pas une contrainte sur la randomisation. Cela ressemble plus à une covariable catégorielle. Les opérateurs diffèrent probablement en termes de compétences, mais je n'ai aucune mesure indirecte quantitative de leurs compétences (comme des années d'expérience ou un test de performance de base).
Lorsque j'effectue l'analyse, est-ce que j'inclut simplement les Opérateur terme (par effet aléatoire, puisque les six opérateurs sont un échantillon de la population) pour rendre compte de cette source de variation ? Est-ce que j'attribue un rôle de conception (en utilisant les propriétés de la colonne JMP) vers le Opérateur colonne? Si oui, dois-je lui attribuer un rôle bloquant ou un rôle covariable ? Ou est-ce inapproprié compte tenu de la manière dont j’ai mené l’expérience ? Ou est-ce que je saisis simplement le Opérateur prendre en compte le modèle comme n'importe quel autre effet principal, et ignorer simplement sa signification puisque cela ne m'intéresse pas en soi ?
Dois-je regarder BIBD ? Le module JMP pour cela ne semblait pas correspondre à mes contraintes.
Merci a tous.
Conception d'expériencesRe : J'ai une confusion persistante concernant le blocage des variables dans ma conception et mon analyse.J'ignorerais l'opérateur lorsque vous concevriez l'expérience. Traitez-le comme une covariable comme vous l'avez suggéré, mais ajoutez-le plus tard. J'ajouterais Operator en tant que nouvelle colonne de données nominales après avoir cliqué sur Créer une table. Utilisez cette colonne pour enregistrer l'opérateur pour chaque exécution. Ajoutez cette colonne en tant que terme dans le modèle et ajoutez l'attribut Random Effect à ce terme.
Ce ne sera pas optimal, mais c’est pragmatique et cela fonctionnera. Cette approche vous permet de vous concentrer sur la conception de l'expérience principale tout en tenant compte des variations supplémentaires entre les opérateurs.
Re : J'ai une confusion persistante concernant le blocage des variables dans ma conception et mon analyse.Merci @Mark_Bailey Je suppose que j'étais sur la bonne voie. Est-ce que donner à l'opérateur un rôle de conception cela fait-il une différence lorsque je l'ajoute comme terme d'effet aléatoire dans le modèle ?
Re : J'ai une confusion persistante concernant le blocage des variables dans ma conception et mon analyse.Les propriétés de colonne pour les facteurs DOE ne seront pas utiles avec la covariable de l'opérateur dans votre cas.
Re : J'ai une confusion persistante concernant le blocage des variables dans ma conception et mon analyse.Voici mes réflexions :
1. Je suis confus par votre déclaration " L'effet opérateur ne m'intéresse pas, mais je souhaite rendre compte de cette source de variation" ? Même si je comprends que vous ne pouvez pas contrôler l'opérateur (le bruit), je pense que vous souhaitez comprendre l'effet de l'opérateur et, plus important encore, les effets des facteurs de votre étude sont-ils cohérents en fonction des changements d'opérateur ?
2. Peut-être trop tard, mais je ne sais pas pourquoi vous ne pouvez pas plan pour inclure l'effet de l'opérateur dans l'étude (par exemple, n'utilisez que certains opérateurs qui répondent à vos critères lorsqu'ils "apparaissent" dans l'expérience. Cela peut être peu pratique à exécuter et peut prendre plus de temps, mais vous pouvez obtenir de « meilleures » informations.
3. Avez-vous des hypothèses quant à pourquoi Les opérateurs pourraient-ils influencer la moyenne ou la variation de la variable de réponse ? Qu’est-ce que les opérateurs font spécifiquement différemment ou qu’est-ce qui varie d’un opérateur à l’autre ? Si vous pouvez émettre des hypothèses plus spécifiques sur ce qui change réellement, vous pourriez disposer d'un moyen plus efficace d'inclure l'effet dans l'expérience (par exemple, l'expérience, la technique, la dextérité). Si tel est le cas, vous pouvez utiliser efficacement les tableaux de blocage ou de produits croisés.
4. Il faut garder à l’esprit que même si la randomisation constitue une excellente stratégie pour minimiser les biais, augmenter l’inférence et estimer quantitativement les erreurs, les erreurs randomisées ne sont pas attribuables.
5. Pour votre situation, un peu dans le sens de la suggestion de Mark... Créez une colonne appelée opérateur et codez les différents opérateurs. Commencez par une analyse pratique et graphique (vs. ANOVA). Lorsque vous tracez les données, utilisez Lignes>couleur ou marquez par colonne et choisissez la colonne d'opérateur pour rechercher des modèles intéressants. Réaliser que les effets de l’opérateur peuvent être colinéaires aux effets du traitement.
Re : J'ai une confusion persistante concernant le blocage des variables dans ma conception et mon analyse.Quelques réponses, mais je précise que dans notre expérience, nous avions en réalité des équipes composées de cinq opérateurs.Les opérateurs sont imbriqués au sein des équipes – ils ne se mélangent pas entre les équipes. J'ai inclus le terme « équipe » dans le modèle, puisque chaque mission était menée par une équipe.
1. oui, je veux connaître les effets des facteurs (le cas échéant) qui perdurent dans les équipes changeantes d'opérateurs. Mais c'est un facteur de nuisance à effet aléatoire. Mon intérêt est uniquement de prétendre qu'un effet factoriel observé dans l'expérience est généralisable à la population théorique d'équipes.
2. Un tel contrôle des opérateurs n’est pas une option pour le moment. Cependant, voir le point 5 ci-dessous pour d'autres considérations.
3. Vous pouvez deviner les types de facteurs qui rendent certains joueurs meilleurs ou pires que d'autres. Mais ces compétences ne deviennent apparentes qu’après avoir exécuté quelques courses. Comme répondu au point 2, nous n'avons pas le luxe de filtrer à l'avance leurs performances. Mais il est raisonnable lors de l'inscription que nous obtenions auprès des participants leur expérience de joueur en termes qui pourraient être quantifiés comme une covariable : années de jeu, etc. Plus de pensées dans # 5 ci-dessous.
4. aucun commentaire
5. nous avons déjà suivi chaque opérateur (ou plus précisément les équipes constituées de groupes de 5 opérateurs).Si nous avions chaque participant tout au long de l'expérience (ce qui n'a pas été le cas), nous pourrions avoir des opérateurs mixtes au sein des équipes pour réduire les effets d'une mauvaise individuel performances au sein de leur équipe. Il est important de noter que nous observons une plus grande au sein de l'équipe variance dans la variable de réponse que nous au sein de l'équipe variance . Ainsi, l’inclusion du terme « équipe » dans le modèle ne contribue pas à gérer les erreurs.Il n’y a aucune corrélation entre le facteur « équipe » et tout autre facteur, ce qui est une bonne chose. Il existe également peu de preuves que le score d'une équipe (la variable de réponse) s'est amélioré au cours des courses ultérieures (c'est-à-dire lors des troisième et quatrième courses). Leur plus grande variance n’est pas non plus associée aux analyses antérieures. Néanmoins, je pense qu'au lieu d'avoir 4 répétitions avec une tonne de bruit, nous aurions pu avoir 3 « séries » d'entraînement pour nous assurer que nous avons éliminé tout effet d'apprentissage et garantir que notre série de records était optimale et plus similaire à celle de l'équipe. capacités de performances. Dur à dire.
