Wann sollten Sie nur Haupteffekte bewerten? (Nicht Hauptinteraktion + Interaktion 2. Ordnung)Hallo,
Ich würde gerne wissen, wann eine Situation nur die Bewertung der Haupteffekte erfordert, während Interaktionseffekte ignoriert werden.
Ich und ein Kollege haben unterschiedliche Ansätze zur Durchführung von Screening-Designs, daher würde ich gerne verstehen, was andere denken.
Wir können von Folgendem ausgehen:
- Dies ist ein Screening-Design (sagen wir 4 Faktoren – 2 Level)
- Über die Wechselwirkungen ist bisher nichts bekannt und theoretisch könnte jede Wechselwirkung existieren
- Material (Experiment-Nr.) und Zeit sind nicht begrenzt
- Zur Erweiterung des Modells können Folge-DoE's durchgeführt werden
Ich schätze Effizienz und werde Experimente nach Möglichkeit immer auf die Mentalität des „gierigen Wissenschaftlers“ ausrichten. Ich werde dies jedoch nicht tun und gleichzeitig das Modell selbst gefährden. Meine Sorge besteht darin, dass mögliche Wechselwirkungen möglicherweise nicht erkannt werden, wenn ein Design implementiert wird, das nur auf die Haupteffekte abzielt. Wenn ein Faktor aus dem Bildschirm eliminiert wird, weil der Haupteffekt als unbedeutend befunden wird, besteht dann nicht das Risiko, dass das wahre Optimum ermittelt wird, wenn die Möglichkeit besteht, dass eine positive Interaktion vorhanden ist?
VersuchsplanungBetreff: Wann sollten nur Haupteffekte bewertet werden? (Nicht Hauptinteraktion + Interaktion 2. Ordnung)Hier sind meine Gedanken:
Zunächst eine Klarstellung: Wenn Sie faktorielle Designs ausführen, sind die Interaktionen vorhanden. Sie sind möglicherweise nur Alias und daher nicht spezifisch zuweisbar. Ihre Bedenken sind berechtigt. Wenn Sie sich jedoch auf sequentielle Experimente festlegen, werden Fehler, die Sie bei der Interpretation der ersten Experimente machen, in der nächsten Iteration aufgedeckt.
Es gibt nicht den einen richtigen Ansatz zum Experimentieren. Angesichts der von Ihnen dargestellten Situation habe ich folgende Anmerkungen:
1. 4 Faktoren sind kein großes Screening-Design. Sie können 4 Faktoren in resIV in 8 Behandlungen ausführen. Ich denke, Screening-Designs haben ≥5 Faktoren. In diesem Fall erkennt man die Vorteile des fraktionierten und sequentiellen Designs.
2. Ich beginne immer mit SME (Domänenwissen) als Grundlage für die Bestimmung der Lösung. Ich schlage vor, die Rangfolge der Effekte erster und zweiter Ordnung vorherzusagen. Sind Effekte 2. Ordnung möglich/wahrscheinlich? Da Effekte 2. Ordnung in Ihrer Rangordnung zunehmen, sollten Sie Designs mit höherer Auflösung in Betracht ziehen.
3. Berücksichtigen Sie den Gestaltungsraum. Im Raum treten Effekte höherer Ordnung (z. B. Wechselwirkungen und Krümmung) auf. Das erste Ziel besteht also darin, Ihren Raum „nahezu“ dem Optimum zu nähern (natürlich weiß niemand, wo das Optimum liegt ... wir verlassen uns auf KMU, die uns beratend zur Seite stehen). Dann vergrößern Sie den Raum. Wenn Sie weit vom Optimum entfernt sind, ist es möglicherweise nicht effektiv, im Raum zu lernen. Wir alle wissen, dass der schnellste Weg zwischen zwei Punkten eine gerade Linie ist. Verwenden Sie daher Faktoren auf zwei Ebenen, um den Raum zu verschieben. Das ist die Idee hinter dem Screening. Experimentieren Sie mit vielen Faktoren, in der Hoffnung, Faktoren zu finden, die den Raum schnell verändern, und konzentrieren Sie sich auf die wesentlichen Faktoren.
4. Ignorieren Sie Lärm nicht. In fast allen Fällen ist die Anzahl der von Ihnen manipulierten Faktoren immer eine kleine Teilmenge aller Faktoren. Was machst du mit den anderen? Die richtige Antwort ist NICHT, sie konstant zu halten. Welche Strategie sollten Sie zur Partitionierung und Zuweisung des Rauschens verwenden (z. B. Wiederholungen, Replikate, Blöcke, Split-Plots, Verschachtelung)? Dies ist meiner Meinung nach der anspruchsvollste Teil des Experimentierens und der am wenigsten gelehrte. Leider gibt die Software keine Anleitung.
Entwerfen Sie in jedem Fall mehrere Experimente. Vergleichen und gegenüberstellen. Was wird jeder im Hinblick auf die Zuweisung, Verwechslung und Einschränkung von Faktoreffekten tun? Wägen Sie dies gegen die Ressourcen ab und wählen Sie eine aus.
„Das beste Design, das Sie jemals entwerfen werden, ist das Design, das Sie entwerfen, nachdem Sie es ausgeführt haben.“
Betreff: Wann sollten nur Haupteffekte bewertet werden? (Nicht Hauptinteraktion + Interaktion 2. Ordnung)Danke für die ausführliche Erklärung. Nur zur Bestätigung: Wenn eine Interaktion durch das Screening-Design verfälscht wird, wird dann trotzdem jeder Faktor in der Interaktion als signifikant identifiziert? Können dann weitere Experimente durchgeführt werden, um durch Wechselwirkungen nach Störfaktoren zu suchen?
Beispiel:
Haupteffektbildschirm:
Modell: X1, X2, X3, X4
Signifikante Faktoren gefunden: X1, X2, X3
D/I optimal:
Modell: X1, X2, X3, X1*X2, X2*X3 (möglicherweise X1^2, X2^2, X3^2)
Und in diesem Beispiel gibt es begründete Beweise dafür, dass X4 keine Interaktion mit X1-X3 ermöglicht hat?
Danke
Betreff: Wann sollten nur Haupteffekte bewertet werden? (Nicht Hauptinteraktion + Interaktion 2. Ordnung)Das ist eine tolle Frage, aber leider ist die Antwort nicht endgültig. Obwohl wir die Prinzipien der Knappheit, Hierarchie und Vererbung (damit ein Effekt höherer Ordnung aktiv ist, sollte mindestens ein Elternteil aktiv sein) als Leitprinzipien betrachten, sind sie keine absoluten Prinzipien. Interessanterweise sind die Haupteffekte F=ma... m (Masse) und a (Beschleunigung) nicht im Modell enthalten. Nur die Interaktion.
In einigen Fällen ist die Alias-Struktur bekannt und Sie können daher vermuten, welche möglichen (verwirrten) Effekte aktiv sind. Diese können in Folgestudien getrennt werden (z. B. umklappen). Experimente mit partiellem Aliasing sind schwieriger zu disaggregieren. Während die Entscheidung darüber, was Sie in der nächsten Experimentiteration tatsächlich tun werden, erst bei der Analyse des ersten Experiments getroffen wird, sollten Sie alle möglichen Ergebnisse vorhersagen und alle Möglichkeiten antizipieren.
