Quand faut-il évaluer uniquement les effets principaux ? (Pas d'interaction principale + 2ème ordre)Salut,
J'aimerais savoir quand une situation nécessite une évaluation des seuls effets principaux, tout en ignorant les effets d'interaction.
Un collègue et moi avons des approches différentes sur la façon dont les conceptions de dépistage sont réalisées, j'aimerais donc comprendre ce que pensent les autres.
Nous pouvons supposer ce qui suit :
- Il s'agit d'une conception de dépistage (disons 4 facteurs - 2 niveaux)
- Jusqu'à présent, on ne sait rien des interactions et, en théorie, n'importe quelle interaction pourrait exister.
- Le matériel (n° d'expérience) et le temps ne sont pas limités
- Des DoE de suivi peuvent être effectués pour augmenter le modèle
J'apprécie l'efficacité et j'orienterai toujours les expériences vers la mentalité du « scientifique gourmand » lorsque cela est possible, cependant, je ne le ferai pas en compromettant le modèle lui-même. Ce qui me préoccupe, c'est que lorsque des interactions pourraient être présentes, elles pourraient ne pas être identifiées si une conception axée uniquement sur les effets principaux est mise en œuvre. Si un facteur est éliminé de l’écran parce que l’effet principal est jugé insignifiant, cela ne peut-il pas risquer d’identifier le véritable optimal s’il existait un potentiel d’interaction positive ?
Conception d'expériencesRe : Quand faut-il évaluer uniquement les effets principaux ? (Pas d'interaction principale + 2ème ordre)Voici mes réflexions :
Tout d'abord une précision, lorsque vous exécutez des plans factoriels, les interactions sont présentes, elles peuvent simplement être alias et donc non spécifiquement assignables. Vos inquiétudes sont légitimes. Cependant, si vous vous engagez dans une expérimentation séquentielle, les erreurs que vous commettez dans l’interprétation des expériences initiales seront découvertes lors de la prochaine itération.
Il n’existe pas une seule approche correcte de l’expérimentation. Compte tenu de la situation que vous posez, j'ai les commentaires suivants :
1. 4 facteurs ne constituent pas vraiment une conception de sélection. Vous pouvez exécuter 4 facteurs en resIV en 8 traitements. Je pense que les conceptions de dépistage comportent ≥5 facteurs, auquel cas vous commencez à réaliser les avantages de la conception fractionnée et séquentielle.
2. Je commence toujours par SME (connaissance du domaine) comme base pour déterminer la résolution. Je suggère de prédire l' ordre de classement des effets de 1er et 2e ordre. Les effets de 2ème ordre sont-ils possibles/probables ? À mesure que les effets de 2e ordre augmentent dans votre classement, envisagez des conceptions à plus haute résolution.
3. Considérez l’espace de conception. Des effets d'ordre supérieur (par exemple, interactions et courbure) se produisent à l'intérieur de l'espace . Le premier objectif est donc de déplacer votre espace vers un niveau « proche » optimal (bien sûr, personne ne sait où se trouve l’optimum… nous comptons sur SME pour nous guider). Augmentez ensuite l'espace. Si vous êtes loin d’être optimal, il n’est peut-être pas efficace d’étudier à l’intérieur de l’espace. Nous savons tous que le chemin le plus rapide entre deux points est une ligne droite, utilisez donc des facteurs à 2 niveaux pour déplacer l'espace. C’est l’idée derrière le dépistage. Expérimentez sur de nombreux facteurs dans l’espoir de trouver des facteurs qui déplacent rapidement l’espace et concentrez-vous sur les facteurs importants.
4. N'ignorez pas le bruit. Dans presque tous les cas, le nombre de facteurs que vous manipulez ne représente toujours qu’un petit sous-ensemble de tous les facteurs. Que fais-tu avec les autres ? La bonne réponse n’est PAS de les maintenir constants. Quelle stratégie devriez-vous utiliser pour partitionner et attribuer le bruit (par exemple, répétitions, répliques, blocs, parcelles divisées, imbrication) ? C'est à mon humble avis la partie la plus difficile de l'expérimentation et la moins enseignée. Malheureusement, le logiciel ne donne aucune indication.
Dans tous les cas, concevez plusieurs expériences. Compare et nuance. Que fera chacun en termes d’attribution, de confusion et de restriction des effets des facteurs ? Comparez cela aux ressources et choisissez-en une.
"Le meilleur design que vous puissiez concevoir est celui que vous concevez après l'avoir exécuté"
Re : Quand faut-il évaluer uniquement les effets principaux ? (Pas d'interaction principale + 2ème ordre)Merci pour l'explication détaillée. Juste pour confirmer, si une interaction est confondue par la conception de sélection, est-ce que chaque facteur de l'interaction sera quand même identifié comme significatif ? Cela peut ensuite être suivi d'autres expériences pour rechercher des facteurs de confusion à travers des interactions ?
Exemple:
Écran d'effet principal :
Modèle : X1, X2, X3, X4
Facteurs significatifs trouvés : X1, X2, X3
D/I optimal :
Modèle : X1, X2, X3, X1*X2, X2*X3 (potentiellement X1^2, X2^2, X3^2)
Et dans cet exemple, existe-t-il des preuves raisonnables permettant d’affirmer que X4 n’a fourni aucune interaction avec X1-X3 ?
Merci
Re : Quand faut-il évaluer uniquement les effets principaux ? (Pas d'interaction principale + 2ème ordre)C'est une excellente question, mais malheureusement la réponse n'est pas définitive. Bien que nous considérions les principes de rareté, de hiérarchie et d'hérédité (pour qu'un effet d'ordre supérieur soit actif, au moins un parent doit être actif) comme des principes directeurs , ils ne sont pas absolus. Fait intéressant, les effets principaux F = ma... m (masse) et a (accélération) ne sont pas dans le modèle. Seulement l'interaction.
Dans certains cas, la structure des alias peut être connue et vous pouvez donc deviner quels effets possibles (confondus) sont actifs. Ceux-ci peuvent être séparés lors d'études ultérieures (par exemple, repliés). Les expériences avec alias partiel sont plus difficiles à désagréger. Même si ce que vous ferez réellement lors de la prochaine itération de l'expérience ne sera pas décidé tant que vous n'aurez pas analysé la première expérience, vous devez prédire tous les résultats possibles et anticiper toutes les possibilités.
