Wie analysiere ich faktorielles Design?Hallo,
Ich hätte gerne etwas Hilfe. Kürzlich habe ich eine 2^4-Fakultät durchgeführt. Meine Antwort sind einige Textureigenschaften meiner Extrudate. Während der Experimente gab es jedoch einige Bedingungen, unter denen ich keine Extrudate und daher keine Texturdaten erhalten konnte. Daher hätte ich gerne einen Rat, wie man solche Designs mit fehlenden Datenpunkten analysieren kann.
Danke!
Grundlegende Datenanalyse und ModellierungBetreff: Wie analysiere ich den faktoriellen Entwurf?Im Allgemeinen können Sie das Experiment immer noch auf die gleiche Weise analysieren, als ob Sie alle Antworten hätten. Einige der Modellbegriffe werden jedoch von unschätzbarem Wert sein. Welche Begriffe es gibt, hängt davon ab, welche Behandlungskombinationen fehlen. Ich würde auch die Evaluate Design-Plattform verwenden und die Zeilen ausschließen, die im Vergleich zum vollständigen Design „fehlen“, um zu sehen, wie viel Leistung Sie verloren haben und wie die Schätzungen und andere relevante Designmerkmale korrelieren.
Betreff: Wie analysiere ich den faktoriellen Entwurf?Vereinbaren Sie mit P_Bartell die Bewertung der Auswirkungen auf das Design. Möglicherweise können Sie das Modell noch anpassen. Bei der Interpretation dieses Modells muss man jedoch sehr vorsichtig sein, insbesondere im Fehlerbereich.
Warum Dass die Daten fehlen, ist kritisch." Ich konnte keine Extrudate erhalten“
Fragen Sie, warum dies passiert ist und ob es mit den verwendeten Faktoreinstellungen zusammenhängen könnte. Gehen Sie beispielsweise in eine Ecke des Raums, wo der Prozess über eine Klippe stürzt und fehlschlägt? Sortieren Sie die Datentabelle. Was haben die Fehler gemeinsam? Gibt es eine geeignete obere (untere) Grenze für die Antwort, die Sie als Ersatz in den Daten verwenden könnten, um den Fehlerraum zu untersuchen? Erwägen Sie auch die Analyse einer binären 0/1-Fehlerreaktion. Dadurch erhalten Sie Einblicke in die Ursachen des Fehlers, die Sie dann durch Folgeexperimente bestätigen können.
Es ist wichtig zu bedenken, dass es sich bei den „fehlenden Daten“ möglicherweise um die wichtigsten Daten handelt, die Sie erfasst haben. Verwerfen Sie es nicht, wenn Sie die Ergebnisse interpretieren.
Erwägen Sie eine Erweiterung. Sie könnten entlang eines Vektors zur Fehlerecke hin erweitern, um zuerst die Kante des Fehlers zu finden, und dann das Experiment beispielsweise mithilfe eines eingeschränkten Bereichs erweitern.
Passiert dies normalerweise bei solchen Experimenten? Wenn dies der Fall ist, kann in zukünftigen Experimenten eine Verbesserung des Designs, z. B. eine höhere Auflösung und/oder die Verwendung größerer Modelle, das Design robuster gegenüber Verlusten machen. Es kann auch hilfreich sein, einige Vorläufe durchzuführen, um den Fehlerbereich zu ermitteln.
Betreff: Wie analysiere ich den faktoriellen Entwurf?Ich werde nicht auf die Themen eingehen, die in früheren Antworten aufgeworfen wurden, da sie völlig klar sind und ich dem nur zustimmen kann.
Was die Designerweiterung im Fehlerbereich angeht, könnten Sie möglicherweise einen raumfüllenden Ansatz verwenden, um mehr Flexibilität bei der Anzahl der bei der Erweiterung verwendeten Punkte und mehr Flexibilität bei der Modellierung dieses Bereichs zu haben. Es könnte möglicherweise eine genauere Kartierung des Grenzbereichs der „experimentellen Machbarkeit“ ermöglichen.
Über Vorläufe erwähnt von @datadad2 Da Sie faktorielle Designs verwenden, können Sie Scoping-Designs verwenden, um die Durchführbarkeit der Versuchsläufe bei hohen, mittleren und niedrigen Bedingungen Ihres Versuchsraums zu bewerten: https://prismtc.co.uk/resources/blogs-and-articles/scoping-designs
Es kann dazu beitragen, Ausfälle bei Durchläufen zu vermeiden, die Reproduzierbarkeit und das Rauschen zu bewerten und möglicherweise die Erkennung von Krümmungen sehr früh in Ihrem Projekt zu ermöglichen.Betreff: Wie analysiere ich den faktoriellen Entwurf?Ich stimme allen vorherigen Postern zu. Die gute Nachricht ist, dass Sie eine Fakultät ausgeführt haben, sodass Sie möglicherweise immer noch über genügend Behandlungen für eine gebrochene Fakultät verfügen. Hier ist mein Rat für fehlende Daten in einem Experiment.
1. Was haben Sie, wie Datadad betont, aus den Behandlungen gelernt, die zu keinem Ergebnis führten (dies ist möglicherweise der aufschlussreichste Teil des Experiments)? War es eine Folge der Behandlung oder ist etwas anderes passiert?
2. Können Sie eine alternative Antwortvariable entwickeln? Eine andere Möglichkeit, die experimentellen Einheiten zu messen.
3. Möglicherweise können Sie die Regression mit den verbleibenden Daten verwenden, um ein Modell zu erstellen, das die fehlenden Datenpunkte vorhersagt (Sie müssen die verfügbaren DFs kennen).
4. Verwenden Sie den Durchschnitt der anderen Behandlungen für den fehlenden Datenpunkt (dies normalisiert tendenziell den jeweiligen Behandlungseffekt).
5. Wenn Sie die Ergebnisse a priori vorhergesagt haben, verwenden Sie Ihr vorhergesagtes Ergebnis.
6. Führen Sie die Schritte 3-5 durch und ersetzen Sie den fehlenden Datenpunkt durch Werte. Führen Sie eine Fit-Modellanalyse durch und prüfen Sie, wie gut diese Analysen übereinstimmen. Wenn eine vernünftige Übereinstimmung besteht, können Sie sich wahrscheinlich auf Ihre Analyse verlassen. Wenn nicht, müssen Sie möglicherweise die fehlenden Behandlungen zusammen mit einigen, für die Sie Daten haben, erneut ausführen (um den Blockeffekt abzuschätzen).
