Analyse VersuchsplanungHallo JMP-Community,
Ich habe zwei Fragen zur Analyse des von mir durchgeführten Versuchsdesigns:
1) Wenn Sie ein Screening-DOE (Plackett-Burman-Design) durchführen und einer der Modellterme einen positiven Effekt auf die abhängige Variable hat, aber keine statistische Signifikanz zu erreichen scheint, ist es dann sinnvoll, diesen Faktor trotzdem bei der Durchführung des zweiten, Optimierungs-DOE einzubeziehen? Wenn ein Faktor keinen statistisch signifikanten Effekt auf das Ergebnis in einem Screening-DOE hat, bedeutet das meiner Meinung nach nicht unbedingt, dass der Effekt dieses Faktors auf das Ergebnis vernachlässigbar ist. Ist das richtig?
2) Wenn ich ein DOE analysiere und das Modell durch Entfernen nicht signifikanter Terme reduziere, stelle ich fest, dass der Lack-of-Fit-Test nach der Reduzierung des Modells nicht signifikant wird, während er vor der Reduzierung des Modells signifikant war. Wie soll ich das interpretieren? Bedeutet das, dass durch das Entfernen dieser Terme der reine Fehler des Modells zunimmt, was anschließend den Lack-of-Fit-Test verringert?
Danke schön,
Sara
VersuchsplanungBetreff: Analyse, VersuchsplanungZu den Fragen unter 1.) hier meine Gedanken. Hängen Sie sich nicht an der statistischen Signifikanz auf. In erster Linie versuchen Sie, ein praktisches Problem zu lösen. Wenn Ihr Fachwissen Ihnen sagt, dass ein „nicht signifikanter“ Faktor wichtig ist, dann beziehen Sie ihn unbedingt in nachfolgende Experimente ein. Die Gründe für „Nichtsignifikanz“ können vielfältig sein. Übermäßiges Rauschen des Messsystems. Vielleicht waren die Faktorniveaus zu eng, als dass das Signal über das Rauschen hinausgehen konnte. Und verfallen Sie nicht der Mononumerose der p-Wert-Klippe-Mentalität, die mit dem talismanischen Wert 0,05 verbunden ist … Sie wollen mir erzählen, dass Sie den Faktor wegwerfen würden, wenn der p-Wert 0,051 beträgt, und ihn behalten würden, wenn er 0,049 beträgt?
Zu Frage 2.) Weitere Gedanken … Lack-of-Fit-Tests sind nett … aber was sagen Ihnen die Residuendiagramme? Freiheitsgrade in einen Lack-of-Fit-Test ein- und auszuschalten ist wie der Versuch, den „Gewinner“ zu jagen. Nichts, womit ich viel Zeit verbringen würde. Zurück zum praktischen Problem. Konzentrieren Sie sich darauf, wie das Modell, für das Sie sich entscheiden, Ihnen hilft, das praktische Problem zu lösen … nicht auf einen F-Test für LOF.
Meine fünf Cent... andere sehen das vielleicht anders.
Betreff: Analyse, VersuchsplanungZu Ihrer ersten Frage: War der Faktorbereich groß genug, um einen starken Effekt (also eine Änderung der Antwort) hervorzurufen? Die Begrenzung des Bereichs um einen erwartungsgemäß guten Wert kann die Aussagekraft der Tests für eine von Null verschiedene Schätzung verringern.
Betreff: Analyse, VersuchsplanungVielen Dank, @P_Bartell , das war auch mein Gedankengang bei beiden Fragen, die ich gestellt habe.
Betreff: Analyse, Versuchsplanung@Mark_Bailey Ich habe den größtmöglichen Bereich verwendet, der für die Zellen, an denen ich die Verbindung/den Faktor getestet habe, nicht toxisch war. Andernfalls hätte mir dies nur begrenzte Informationen geliefert, da alle Zellen tot gewesen wären.
