混合 DOE の効果サマリーを効果的に使用するにはどうすればよいでしょうか?こんにちは、
JMP 17 で DOE を実行し、効果サマリーを使用して JMP でデータを解析し始めています。これは 4 つのコンポーネントの混合物です。JMP カタログで混合物の効果サマリーの使用に関するビデオをいくつか視聴し、そのビデオで実行されている方法 (P 値が 0.05 を超えるソースを削除する (その値を超える依存関係がない場合)) に従っています。それから逸脱するような状況はありますか? 効果サマリーの画像を下に添付しました。たとえば、ソース A を削除するケースはありますか? 実際の予測プロット (添付) では RSq 値が少し低いので、興味があります。
ありがとう！
Actual by Predicted PlotActual by Predicted PlotActual by Predicted PlotActual by Predicted PlotActual by Predicted PlotActual by Predicted PlotActual by Predicted PlotActual by Predicted PlotActual by Predicted PlotActual by Predicted PlotActual by Predicted PlotActual by Predicted PlotActual by Predicted PlotActual by Predicted PlotActual by Predicted Plot予測による実測プロット
Effect summaryEffect summaryEffect summaryEffect summaryEffect summaryEffect summaryEffect summaryEffect summaryEffect summaryEffect summaryEffect summaryEffect summaryEffect summaryEffect summaryEffect summary効果の概要
データの探索と視覚化実験計画法結果の共有と伝達ウィンドウズRe: 混合 DOE の効果サマリーを効果的に使用するにはどうすればよいでしょうか?こんにちは@AutoSetMarmoset さん
混合設計は最適化戦略であり、このタイプの設計では、スクリーニングや統計的有意性のフィルタリングよりも予測性に重点が置かれます。
分析では、設計作成時に入力した項を含む完全な想定モデルから開始し、各項の個別の p 値/logworth ではなく、モデルの予測パフォーマンス (RMSE など) に基づいて、モデル内の項 (主効果を除く) の削除を開始する方が合理的です。混合因子間には多重共線性/相関関係があり、このタイプのモデルには切片がないため、p 値/logworth はモデル選択の有効な指標ではありません。
モデルの「パフォーマンス」/適切性を評価する方法は、目的や使用した指標に応じて多数あることに注意してください。対数尤度、情報基準 (AICc、BIC)、モデルの説明力 (R2 および調整済み R2 による)、モデルの予測力 (MSE/RMSE/RASE による) などの補完的なモデルの推定および評価指標は、異なる視点を提供し、異なるモデルを強調する場合があります。
次に、ドメインの専門知識とメトリック評価に基づいて、トピックに最も適切/関連性の高いものを選択し、さまざまなモデルを使用して個々の予測を推定すること (それらの違いを確認するため)、および/または結合モデルを使用して予測誤差を平均化することを選択できます。
以下は、(混合)設計のモデル選択を扱ったフォーラム内の関連投稿です。
通常の（非プロ）JMP を使用した混合 DOE 分析の後方回帰ですか?
ステップワイズ回帰による混合DOEの分析
計画された実験に従ってモデルから項を削除する
より詳細なアドバイスやガイダンスが必要な場合は、DoE の匿名バージョンを共有していただけますか?
この回答がお役に立てば幸いです。
Re: 混合 DOE の効果サマリーを効果的に使用するにはどうすればよいでしょうか?混合物DOEの分析は簡単ではない。3次項を除去することでR²が向上する可能性があることを経験した。
Re: 混合 DOE の効果サマリーを効果的に使用するにはどうすればよいでしょうか?混合設計を評価するには、Mixture Profiler を使用する必要があります。
Re: 混合 DOE の効果サマリーを効果的に使用するにはどうすればよいでしょうか?こんにちは皆さん、
ご返信ありがとうございます。私が作業している JMP シートの匿名バージョンを添付しました。背景情報をもう少し詳しく説明すると、私がデータの分析を試みた方法です。4 つのコンポーネント間では、Scheffe キュービックを使用し、高次の項の一部を除外して個別に適合させました。次に、効果の概要を確認し、P 値が 0.05 を超える効果を除外します。これは、それらの効果は、その上の効果を含む効果ではないためです。その後、混合プロファイラーまたは予測プロファイラーを調べて、混合空間内でのトレードオフが何であるかを理解し始めます。私はこの分野に比較的不慣れで、ベスト プラクティスを学ぼうとしているので、助言をいただければ幸いです。
編集: 他の議論をいくつか読んだ後、いくつかの追加コンテキストを追加したいと思います。これらは、私たちが取り組んでいる処方の 4 つのコア コンポーネントであり、合理的な混合物の品質スコアと相分離率の両方を備えた最適な空間と境界を特定したいと考えていました。一部のコンポーネントがこれらの品質にどのように影響するかについては、ある程度の直感がありますが、体系的に調査されたことはありません。私は、標準の最小二乗法を使用してモデルを実行しています。
ありがとう！
Re: 混合 DOE の効果サマリーを効果的に使用するにはどうすればよいでしょうか?こんにちは@AutoSetMarmoset さん
メッセージを編集できますか? 添付ファイルがありません。
一般的なアドバイスとして、データを分析するには、設計の事前定義された/想定されたモデルを使用する必要があります。
必要または可能であれば、いくつかの項を削除してモデルを改良することができますが、混合設計の場合、p 値を使用してモデルを改良することは、バイアスがかかる可能性があるため推奨されません (前述の理由により)。
許容可能な予測精度と「適切な」モデルの複雑さを判断し、そのバランスをとるには、別のメトリックを使用する必要があります。
この回答があなたのお役に立てば幸いです。
Re: 混合 DOE の効果サマリーを効果的に使用するにはどうすればよいでしょうか?こんにちは、ビクターさん
参考までに、匿名化された調査を再度添付します。
ありがとう
Re: 混合 DOE の効果サマリーを効果的に使用するにはどうすればよいでしょうか?こんにちは@AutoSetMarmoset さん
あなたの回答「相分離までの時間」を見ると、主効果、2 因子相互作用、3 因子相互作用を含む完全な想定モデルはかなりうまく機能しているようです。
- 応答範囲（5～500）と比較して、RMSEはかなり低い（約20）。
- 残差に有意なパターンはありませんが、測定された応答値が非常に異なるため、5 付近、100 付近、500 付近の 3 つの値のブロックがあるようです。500 または 5 以下に検出限界がありますか? 分析は、これらの 3 つの結果ブロックをビン化することで実行できます。この変換された応答に順序ロジスティック モデルを当てはめると、連続応答と比較して同様の結果が得られます。C/D の比率が 40/60 または 30/70 の場合、分離までの時間が短縮されます。この領域の検証ポイントは、見つかったこの最適値を検証するために興味深いものになる可能性があります。
- 応答「混合品質」に関しては、評価のようですので、モデリング タイプを「順序」に切り替えてロジスティック モデルを作成することをお勧めします。ランキング順序がわからないため (1 が最高か 1 が最低か)、分析用に作成されたスクリプトを使用して、必要に応じて望ましさを変更し、2 つの応答の最適値の間で妥協点を見つける必要があるかどうかを確認できます。
提案されたさまざまなオプションとモデルをテストするために使用したスクリプトを保存しました。
回答を分析するためのいくつかのオプションが見つかることを願っています。
Re: 混合 DOE の効果サマリーを効果的に使用するにはどうすればよいでしょうか?ここにいくつかの考えがあります:
1. 応答変数は困難です。時間応答は異常です。識別の問題があるようです、またはデータが切り捨てられています (値 5 と 500、私の推測では 500 は分離なし)? 「品質スコア」には識別がありません (順序尺度には少なくとも 5 つのカテゴリがあり、複数の評価者を使用する必要があります)。また、時間との相関もあまりありません。つまり、2 つの応答でトレードオフが発生する可能性が高いということです。
2. 混合物の分析は、一般的な DOE 分析ではありません。項と相互作用 (実際には非線形効果) の間には共線性がある可能性があります。モデルの仮定、特に独立性が破られるため、通常どおりに p 値を使用することはできません。また、R^2 は誇張されている可能性があります。これらのコンポーネントが重要であることは既にわかっているので、それほど大きな問題ではありません。混合物の設計は、スクリーニングではなく最適化に偏っています。
3. 混合プロファイラーを SME と一緒に使用します。意味があることを確認します。次に、結果を再現します...
最後に、混合物について調べてみるのもよいでしょう。コーネル大学が標準として認められています。
コーネル、ジョン（1990）「混合、設計、モデル、および分析の実験」ワイリー（ISBN：047152221X）
Re: 混合 DOE の効果サマリーを効果的に使用するにはどうすればよいでしょうか?こんにちは@Victor_G @statman
詳細な回答に感謝します。お二人とも、私たちのテストで私が抱えている問題をいくつか挙げてくれました。判別が少し難しいため、測定にノイズが加わります。分析に関しては、複雑な混合相互作用があるため、R^2 ではなく RMSE を使用してデータを分析するのが良い方法であるという考えが少しずつ浮かび始めています。まだ確信が持てないのは、モデルによる予測を改善するために適切な項を削除すること (およびどこで線を引くか) です。他の人を誤解させたくないので、注意したいと思います。
教科書に関する提案に感謝します。これは私が探していたものであり、これについてさらに読み始めるつもりです。
ありがとう
