Ich bin immer noch verwirrt über das Blockieren von Variablen in meinem Design und meiner Analyse.Hallo zusammen, ich verwende JMP Pro 15.2.1.
Ich bin immer noch verwirrt über das Blockieren in einem geplanten Experiment. Insbesondere, ob ich überhaupt blockiere.
In meinem Experiment sind für mich drei zweistufige Faktoren (Ein/Aus) von Interesse. Die Antwortvariable ist die Zeit zur Ausführung einer Aufgabe. Ich möchte eine 2x2x2-Fakultät durchführen und bin daran interessiert, die Bedeutung von Haupteffekten und wechselseitigen Wechselwirkungen zu testen. Ich habe 24 Durchläufe oder 3 Wiederholungen der 8 Behandlungen zur Verfügung.
Nehmen wir weiter an, dass ich sechs verschiedene Bediener habe, die die Läufe durchführen. Der Operatoreffekt interessiert mich nicht, aber ich möchte diese Variationsquelle berücksichtigen. Erschwerend kommt hinzu, dass aufgrund einer Einschränkung, die ich nicht kontrollieren kann, jeder Bediener „auftaucht“ und ihm eine unterschiedliche Anzahl von Durchläufen zugewiesen wird: irgendwo zwischen 2 und 6 Durchläufen der randomisierten Tabelle mit 24 Durchläufen.
Angenommen, ich habe das Experiment folgendermaßen durchgeführt:
- Operator 1 erschien und stand zur Verfügung, um beispielsweise 6 Läufe durchzuführen; Ich habe Bediener 1 sechs zufällige Behandlungen aus der Tabelle mit 24 Durchläufen zugewiesen.
- Operator 2 erschien und stand zur Verfügung, um beispielsweise vier Läufe durchzuführen. Ich habe 4 zufällige Behandlungen aus den verbleibenden 18 Durchläufen dem Bediener 2 zugewiesen.
- Wiederholen Sie dies mit den übrigen Bedienern, bis die 24 Läufe abgeschlossen sind.
Es handelt sich also nicht gerade um ein blockiertes Design. Der Operator war keine Einschränkung für die Randomisierung. Es ist eher eine kategoriale Kovariate. Vermutlich unterscheiden sich die Fähigkeiten der Bediener, aber ich habe keinen quantitativen Indikator für ihre Fähigkeiten (z. B. jahrelange Erfahrung oder einen grundlegenden Leistungstest).
Wenn ich die Analyse durchführe, beziehe ich einfach das mit ein Operator Term (als zufälliger Effekt, da die sechs Operatoren eine Stichprobe aus der Grundgesamtheit sind), um diese Variationsquelle zu erklären? Weise ich eine zu Designrolle (unter Verwendung von JMP-Spalteneigenschaften) zum Operator Spalte? Wenn ja, weise ich ihm eine Blockierungsrolle oder eine Kovariatenrolle zu? Oder ist das angesichts der Art und Weise, wie ich das Experiment durchgeführt habe, unangemessen? Oder gebe ich einfach das ein Operator Berücksichtigen Sie das Modell wie jeden anderen Haupteffekt und ignorieren Sie einfach seine Bedeutung, da es mich per se nicht interessiert?
Sollte ich mir BIBD ansehen? Das JMP-Modul dafür schien nicht meinen Anforderungen zu entsprechen.
Vielen Dank an alle.
VersuchsplanungBetreff: Ich bin immer noch verwirrt über das Blockieren von Variablen in meinem Design und meiner Analyse.Ich würde den Operator ignorieren, wenn Sie das Experiment entwerfen. Behandeln Sie es wie eine Kovariate, wie Sie vorgeschlagen haben, aber fügen Sie es später hinzu. Ich würde „Operator“ als neue Nominaldatenspalte hinzufügen, nachdem Sie auf „Tabelle erstellen“ geklickt haben. Verwenden Sie diese Spalte, um den Bediener für jeden Lauf aufzuzeichnen. Fügen Sie diese Spalte als Begriff im Modell hinzu und fügen Sie diesem Begriff das Attribut „Random Effect“ hinzu.
Das wird nicht optimal sein, aber es ist pragmatisch und wird funktionieren. Mit diesem Ansatz können Sie sich auf das Design des Hauptexperiments konzentrieren und dennoch die zusätzlichen Unterschiede zwischen den Operatoren berücksichtigen.
Betreff: Ich bin immer noch verwirrt über das Blockieren von Variablen in meinem Design und meiner Analyse.Danke @Mark_Bailey Ich schätze, ich war auf dem richtigen Weg. Gibt es dem Betreiber eine Designrolle Macht es einen Unterschied, wenn ich es als Zufallseffektterm in das Modell einfüge?
Betreff: Ich bin immer noch verwirrt über das Blockieren von Variablen in meinem Design und meiner Analyse.Die Spalteneigenschaften für DOE-Faktoren helfen in Ihrem Fall nicht bei der Operator-Kovariate.
Betreff: Ich bin immer noch verwirrt über das Blockieren von Variablen in meinem Design und meiner Analyse.Hier sind meine Gedanken:
1. Ihre Aussage verwirrt mich. Der Operatoreffekt interessiert mich nicht, aber ich möchte diese Variationsquelle berücksichtigen“? Obwohl ich verstehe, dass Sie den Bediener (Lärm) nicht kontrollieren können, denke ich, dass Sie den Bedienereffekt verstehen möchten und, was noch wichtiger ist, sind die Auswirkungen der Faktoren in Ihrer Studie bei wechselnden Bedienern konsistent?
2. Vielleicht zu spät, aber ich bin mir nicht sicher, warum Sie das nicht können planen um den Operatoreffekt in die Studie einzubeziehen (z. B. verwenden Sie nur bestimmte Operatoren, die Ihre Kriterien erfüllen, wenn sie im Experiment „auftauchen“). Die Ausführung kann umständlich sein und mehr Zeit in Anspruch nehmen, aber Sie erhalten möglicherweise „bessere“ Informationen.
3. Haben Sie Hypothesen dazu? Warum Können Operatoren den Mittelwert oder die Variation der Antwortvariablen beeinflussen? Was machen Betreiber konkret anders bzw. was ist von Betreiber zu Betreiber unterschiedlich? Wenn Sie genauere Hypothesen darüber aufstellen können, was sich tatsächlich ändert, stehen Ihnen möglicherweise effizientere Mittel zur Verfügung, um den Effekt in das Experiment einzubeziehen (z. B. Erfahrung, Technik, Geschicklichkeit). Wenn ja, können Sie blockierende oder Cross-Product-Arrays effektiv nutzen.
4. Bedenken Sie: Während die Randomisierung eine hervorragende Strategie ist, um Verzerrungen zu minimieren, Schlussfolgerungen zu erhöhen und Fehler quantitativ abzuschätzen, sind randomisierte Fehler nicht zuordenbar.
5. Für Ihre Situation, etwa im Sinne von Marks Vorschlag ... Erstellen Sie eine Spalte mit dem Namen „Operator“ und codieren Sie die verschiedenen Operatoren. Beginnen Sie mit der praktischen und grafischen Analyse (im Vergleich zur ANOVA). Wenn Sie die Daten zeichnen, verwenden Sie „Zeilen“ > „Farbe“ oder „Nach Spalte markieren“ und wählen Sie die Operatorspalte aus, um nach interessanten Mustern zu suchen. Beachten Sie, dass die Auswirkungen des Bedieners möglicherweise mit den Behandlungseffekten kollinear sind.
Betreff: Ich bin immer noch verwirrt über das Blockieren von Variablen in meinem Design und meiner Analyse.Ein paar Antworten, aber ich möchte klarstellen, dass wir in unserem Experiment tatsächlich Teams hatten, die aus fünf Bedienern bestanden.Die Operatoren sind innerhalb der Teams verschachtelt – sie wechseln nicht zwischen den Teams. Ich habe den Begriff „Team“ in das Modell aufgenommen, da jede Mission von einem Team durchgeführt wurde.
1. Ja, ich möchte wissen, welche Faktoreffekte (falls vorhanden) bei wechselnden Bedienerteams bestehen. Aber es ist ein zufälliger Störfaktor. Mein Interesse besteht ausschließlich darin, zu behaupten, dass ein im Experiment beobachteter Faktoreffekt auf die theoretische Population von Teams übertragbar ist.
2. Eine solche Betreiberüberprüfung ist derzeit keine Option. Weitere Überlegungen finden Sie jedoch unter Nr. 5 unten.
3. Sie können die Faktoren erraten, die manche Spieler besser oder schlechter machen als andere. Aber diese Fähigkeiten werden erst sichtbar, nachdem sie ein paar Läufe absolviert haben. Wie in Nr. 2 beantwortet, haben wir nicht den Luxus, ihre Leistung vorab zu überprüfen. Es ist jedoch sinnvoll, dass wir bei der Anmeldung von den Teilnehmern ihre Spielerfahrung anhand von Begriffen ermitteln, die als Kovariate quantifiziert werden können – Jahre des Spielens usw. Weitere Gedanken in # 5 unten.
4. Kein Kommentar
5. Wir haben bereits jeden Operator (oder genauer gesagt Teams, die aus Gruppen von 5 Operatoren bestehen) verfolgt.Wenn wir jeden Teilnehmer während des gesamten Experiments dabei hätten (was wir nicht getan haben), könnten wir gemischte Bediener in den Teams einsetzen, um die Auswirkungen schlechter Ergebnisse zu reduzieren Individuell Leistung innerhalb ihres Teams. Wichtig ist, dass wir mehr beobachten innerhalb des Teams Varianz in der Antwortvariablen als wir teamübergreifend Varianz . Die Aufnahme eines „Team“-Begriffs in das Modell trägt also wenig zur Fehlerbewältigung bei.Es gibt keine Korrelation zwischen dem Faktor „Team“ und irgendeinem anderen Faktor, was gut ist. Es gibt auch kaum Hinweise darauf, dass sich die Punktzahl eines Teams (die Antwortvariable) in späteren Läufen (z. B. im dritten und vierten Lauf) verbessert hat. Ihre größere Varianz ist auch nicht mit früheren Läufen verbunden. Dennoch denke ich, dass wir statt vier Wiederholungen mit viel Lärm drei „Trainingsläufe“ hätten durchführen können, um sicherzustellen, dass wir jegliche Lerneffekte eliminiert haben und sichergestellt haben, dass unser Rekordlauf optimal und ähnlicher für das Team war Leistungsfähigkeiten. Schwer zu sagen.
