¿Cómo analizo el diseño factorial?Hola,
Me gustaría algo de ayuda. Recientemente ejecuté un factorial 2^4. Mi respuesta son algunas propiedades de textura de mis extruidos. Sin embargo, durante los experimentos, hubo algunas condiciones en las que no pude obtener extruidos y, por lo tanto, no pude obtener datos de textura. Por lo tanto, me gustaría recibir algunos consejos sobre cómo analizar dichos diseños a los que les faltan puntos de datos.
¡Gracias!
Análisis y modelado de datos básicosRe: ¿Cómo analizo el diseño factorial?Generalmente aún puedes analizar el experimento de la misma manera que si tuvieras todas las respuestas. Sin embargo, algunos de los términos del modelo serán inestimables. Qué términos dependen de qué combinaciones de tratamientos faltan. También usaría la plataforma Evaluate Design excluyendo las filas que "faltan" en comparación con el diseño completo para ver cuánta potencia ha perdido y la correlación de las estimaciones más otras características de diseño relevantes.
Re: ¿Cómo analizo el diseño factorial?Acordar con P_Bartell para evaluar el impacto del diseño. Es posible que aún puedas adaptar el modelo. Pero hay que tener mucho cuidado al interpretar ese modelo, especialmente en la región de falla.
Por qué faltan datos es fundamental." No pude obtener extruidos"
Pregunte por qué sucedió esto y si podría estar relacionado con la configuración de factores utilizada. Por ejemplo, ¿vas a un rincón del espacio donde el proceso cae por un precipicio y falla? Ordenar la tabla de datos, ¿qué tienen en común los fallos? ¿Existe un límite superior (inferior) adecuado en la respuesta que podría utilizar como sustituto en los datos para explorar el espacio de falla? Considere también analizar una respuesta de falla binaria 0/1. Esto es para darle una idea de las causas del fallo, que luego podrá confirmar con experimentos de seguimiento.
Es importante tener en cuenta que los "datos faltantes" pueden ser los datos más importantes que recopiló. No lo descartes al interpretar los resultados.
Considere el aumento. Puede aumentar hacia la esquina de falla a lo largo de un vector para encontrar primero el borde de falla y luego aumentar el experimento usando una región restringida, por ejemplo.
¿Sucede esto normalmente en este tipo de experimentos? Si es así, en futuros experimentos, reforzar el diseño mediante una mayor resolución y/o utilizar modelos más grandes puede hacer que el diseño sea más resistente a las pérdidas. O puede ser útil realizar algunas ejecuciones preliminares para mapear el espacio de falla.
Re: ¿Cómo analizo el diseño factorial?No discutiré los temas planteados en las respuestas anteriores, ya que son perfectamente claros y no podría estar más de acuerdo.
En cuanto al aumento del diseño en el área de falla, quizás se podría usar un enfoque de relleno de espacio para tener más flexibilidad en cuanto a la cantidad de puntos utilizados en el aumento y más flexibilidad en el modelado de esta área. Quizás podría permitir trazar con mayor precisión la región límite de "viabilidad experimental".
Acerca de las ejecuciones preliminares mencionadas por @datosdad2 , como está utilizando diseños factoriales, puede utilizar diseños de alcance para evaluar la viabilidad de las ejecuciones experimentales en condiciones altas, medias y bajas de su espacio experimental: https://prismtc.co.uk/resources/blogs-and-articles/scoping-designs
Puede ayudar a evitar fallas en las ejecuciones, evaluar la reproducibilidad y el ruido, y podría permitir detectar la curvatura en una etapa muy temprana de su proyecto.Re: ¿Cómo analizo el diseño factorial?Haciendo eco de acuerdo con todos los carteles anteriores. La buena noticia es que ejecutó un factorial, por lo que es posible que aún tenga suficientes tratamientos para un factorial fraccionario. Este es mi consejo para los datos faltantes en un experimento.
1. Como señala Datadad, ¿qué aprendiste de los tratamientos que no produjeron resultados (esta puede ser la parte más informativa del experimento)? ¿Fue resultado del tratamiento o sucedió algo más?
2. ¿Puedes desarrollar una variable de respuesta alternativa? Otra forma de medir las unidades experimentales.
3. Es posible que pueda utilizar la regresión con los datos restantes para crear un modelo que prediga los puntos de datos faltantes (deberá conocer los DF disponibles).
4. Utilice el promedio de los otros tratamientos para el punto de datos faltante (esto tiende a normalizar ese efecto de tratamiento en particular)
5. Si hubieras predicho los resultados a priori, utiliza el resultado previsto.
6. Haz 3-5 y sustituye valores por el punto de datos que falta. realice un análisis del modelo de ajuste y observe qué tan bien coinciden esos análisis. Si hay un acuerdo razonable, probablemente pueda confiar en su análisis. De lo contrario, es posible que deba volver a ejecutar los tratamientos que faltan junto con algunos de los que sí tiene datos (para estimar el efecto de bloqueo).
