決定的なスクリーニング設計ワークフロー
こんにちは、
決定的スクリーニング設計を実行し、「中心実行を含むブロックを追加して二次効果を推定する」を選択して表を生成しました。応答データを収集して表に追加しました。しかし、「決定的スクリーニングの適合」を実行しようとすると、次のエラーが発生します。
Fit Definitive Screening プラットフォームは、ブロック 2 から実行を非表示/除外した場合にのみ実行されます。何か間違ったことをしていますか? すべての実行を含めたモデルを実行するにはどうすればよいですか? 2 番目のブロックを含めるには、何らかの拡張設計を行う必要がありますか?
高度な統計モデリング実験計画法決定的なスクリーニング設計ワークフローについてこんにちは@sanch1 、
8 つの連続因子、2 つのブロック、8 つの追加実行で同じ設計タイプを作成して、同じエラーを再現しようとしました。
この設計でランダム式を使用して応答をモデル化すると、エラーは発生せず、分析を続行できます。
私もあなたと同じデザインを持っています（添付で見つけることもできます）:
通常、このエラー メッセージは、1 つまたは複数の実験実行が設計の一部ではなく、フォールドオーバー構造を破壊している場合に表示されます。https 
/community.jmp.com/t5/Discussions/How-can-I-add-extra-runs-into-the-designed-runs-from-Definitive/mp/782561/highlight/true#M96614を参照してください。
必要に応じて、 Fit Modelプラットフォーム、Stepwise モデル、一般化回帰モデルなどを使用して分析を進める方法は他にも多数あります。
しかし、あなたの場合、行 18 はまったく問題なく、同じブロック 1 の行 17 の「鏡像」であるため、折り返し構造が存在し、尊重されています。
設計を生成した後、この行 (または他の行) の要因の値を変更しましたか?
メニュー（メニュー DOE、Definitive Screening、Fit Definitive Screening）から「 Fit DSD 」プラットフォームを起動してみましたか？
データセットとデザインの匿名バージョンを共有できますか?
この最初のディスカッションスターターがお役に立てば幸いです。
決定的なスクリーニング設計ワークフローについてこんにちは、ビクターさん
表にいくつか変更を加えました:
1. 整理のため、データテーブルをブロックごとに昇順に並べ替えました
2. 実行 19 の実験は、結果を収集する前に失敗したため削除する必要がありました。
これらのいずれかが DSD 設計を台無しにしたでしょうか?
決定的なスクリーニング設計ワークフローについてこんにちは@sanch1 、
データテーブルを並べ替えても、設計構造と分析は変わりません。ただし、テーブルから実験を削除すると、設計のフォールドオーバー構造が破壊されます (「ミラー イメージ」対応のない実験実行が 1 つ存在し、Fit DSD 分析プラットフォームを使用できなくなります)。応答の欠損値がある場合、またはテーブル内の行を除外した場合、同じ問題とエラー メッセージが表示されます。
設計テーブルから実行を削除し、Fit DSD プラットフォームを起動しようとすると、あなたと同じエラー メッセージが表示されます。
分析を行うには、他のモデリング プラットフォーム (以前の回答で述べたように) を使用することをお勧めします。
これであなたの質問への回答が得られたと思います。
決定的なスクリーニング設計ワークフローについて私は、ステップワイズによるすべての可能なモデルアプローチによる方法を使用して進めました。ご協力ありがとうございました!
決定的なスクリーニング設計ワークフローについて私のコメントはご容赦ください (無視してかまいません)。しかし、段階的に DOE を分析するべきではありません。段階的にモデルを構築する方法は、モデルを念頭に置いていない場合 (データ マイニングなど) に便利な追加的なモデル構築アプローチです。実験を実行するときは、モデルを念頭に置いて開始します。これは、要因とレベル (およびノイズを処理するための戦略) の関数です。モデルから重要でない項を削除します (減算的なアプローチ)。
決定的なスクリーニング設計ワークフローについて興味深いアプローチです。ただし、この特定のアプローチではデータ ポイントが 1 つしかないため (その実行を完了できなかったため)、残っているデータから何か有用なものを取得するには、代わりに何をお勧めしますか?
決定的なスクリーニング設計ワークフローについて申し訳ありませんが、スレッド全体をフォローしておらず、Victor がアドバイスをしているのを見たのでコメントしませんでした。あなたは、設定された数の因子とレベルで実験を実行しました。どうやら、ブロックと中心点も実行することにしたようです。いずれにせよ、DF を割り当てるモデルが必要です。そして、そのモデルを使用してデータを必ず分析する必要があります。
欠落データに関するこのスレッドからの私のアドバイスを参照してください:
https://community.jmp.com/t5/Discussions/JMP-DOE-chromatography-data-table-How-do-I-enter-values-for/mp/782318#M96561
決定的なスクリーニング設計ワークフローについてこんにちは@statman 、
ご意見やコメントをありがとうございます。新規ユーザーと経験豊富なユーザーの両方を導くために、常に有益で思慮深い内容となっています。
私は「理論的」な側面における段階的アプローチについてはあなたに同意する傾向があります。非（超）飽和設計の場合、統計的基準と実際の評価/検証に基づいて改良することを検討する前に、想定モデルを最初に使用する必要があります。
決定的スクリーニング設計では、従来の設計と比べて状況が少し異なる傾向があります。これは、推定してモデルに入力できる可能性のあるすべての項を推定することはできないためです。8 つの因子と 1 つのブロックがあるこの状況では、1 つの切片、8 つの主効果 (+ ブロック)、2 つの因子間の 28 の相互作用、および 8 つの二次効果を推定することになります。ここで使用される設計では 26 回の実行が使用されるため、前述の 46 の項を含む完全な RSM モデルを推定することはできません。そのため、強力な仮定や単純化なしでは、逆方向/減算アプローチは不可能です。
したがって、「Fit DSD」プラットフォームの下にある特定の分析戦略が必要になります。可能であれば、「Fit DSD」分析が推奨される分析です。これは、因子スパース性と効果の遺伝原理が成り立つと仮定し、まず主効果を推定して適合させてから、効果の遺伝原理を使用して相互作用と二次効果を考慮し、主効果モデルの残差からそれらを推定するという、ステップワイズアプローチよりも保守的な分析戦略です。
DSD の適合が不可能な場合 (欠損値、除外された行、追加された複製など、フォールドオーバー構造を破壊し、DSD の推奨分析アプローチの使用を妨げる可能性のあるもの)、実際には別の方法を見つける必要があります。ステップワイズはオプションになる場合があります (効果遺伝を強制した「2 段階フォワード選択」、「プルーニング フォワード選択」、または「ベスト サブセット」推定法を使用した一般化回帰モデルも同様ですが、JMP Pro でのみ使用可能)。ただし、その「ブルート フォース」および貪欲なアプローチは、計画された実験のコンテキストでは最適ではない可能性があります。
私は特に、ステップワイズ プラットフォームの「すべてのモデル」オプション (モデル内の因子と項の数が限られている場合) が好きです。これは、ブルート フォース アプローチで「最適な」モデルを直接作成するのではなく、複数のモデルの理解と評価をガイドし、最終モデルで最もアクティブな項を選択するためのものです。これは、Peter Goos が DoE のモデル選択のコンテキストで導入した「ラスター プロット」で視覚化できます。これは、JMP ウィッシュ リストで提案されています。DoE のモデル評価と選択に役立つラスター プロットまたはその他の視覚化ツール
この視覚化は、最もアクティブな用語を特定し、モデルがどこでどのように一致または不一致であるかを確認するのに役立ちます。また、効果間のエイリアシングを視覚化するのに役立ちま す。Peter Goos の使用例:
@sanch1最後に、「すべてのモデルは間違っているが、いくつかは役に立つ」ので、さまざまなモデリング オプションを試して比較することは常に興味深いことです。ドメインの専門知識がプロセスを導くことができる場合はさらに興味深いです。一部の方法は他の方法よりも保守的ですが、さまざまなモデリングとドメインの専門知識を組み合わせると、最も重要なことについてより広い視野を持つことができます。そして、それから次の実験を計画して、DoE を拡張し、モデルを確認/改良/修正し、モデルの妥当性を評価できるように検証ポイントをいくつか準備します。
さらに詳しい情報が必要な場合、または DSD トピックの分析をさらに深く掘り下げることに興味がある場合は、他にも役立つリソースや投稿があります。
この補足的な回答が役に立つことを願っています。
決定的なスクリーニング設計ワークフローについてまあ、意見が合わないことは認めざるを得ませんね。先ほどスレッドに添付した DSD を飽和モデル (Fit Model スクリプト) とともに添付しました。そこから項を減算します。
DF を割り当てていないからといって、割り当てられないというわけではありません (当然ながら、ランダム化された複製では割り当ては許可されません)
決定的なスクリーニング設計ワークフローについて免責事項：私は統計学者ではありませんが、統計を最も実用的かつ実用的な方法で使用しています。私の理解が限られていたり、説明が明確でなかったり、正しくなかったりする場合は申し訳ありません。私は常に学習しています。 
:)
@statmanどのモデルを指定しているかわかりませんが、同じ想定モデル (DSD で可能な完全二次 + ブロック) は使用しませんでした。完全二次モデルを指定すると、相互作用項 X1.X2 が他の項の線形結合になるという特異点が生じます (スクリプトが追加されたファイルを参照)。
ここでモデルに必要な数の項を追加できることは正しいです。しかし実際には、バイアスのある推定値 (スクリプトにゼロ、バイアス、または標準誤差推定値がない)、p 値の欠落、モデルの選択/改良を導く指標の欠如がある場合、完全なモデルからどの項を減算するかをどうやって知るのでしょうか。基本的に、比較/テストのための誤差推定値や参照値はありません。
- あなたの状況と想定モデルでは、どの項を減算するかについての指示はありません (p 値なし、項推定値の標準誤差なし、...)。新しいユーザーは、「R² は 1 に等しい」ため、モデルをそのまま維持する可能性があり、これは完璧なモデルです。
- 私が想定したモデルでは、完全なモデルをデータに適合させると、主効果とブロック効果のみを適切に推定およびテストできます。しかし、他のすべての項は適切に推定できないため、この状況からモデルを逆方向に改良するのは非常に困難になる可能性があります。
ステップワイズ法やその他の関連方法は、ユーザーをガイドし、さまざまなモデルをテストするのに役立ちますが、モデルは統計的精度/適合メトリックのみに依存すべきではありません。モデルの信頼性を確認するには、ドメインの専門知識と検証の実行が不可欠です。
この回答が私の回答を明確にしてくれることを願っています。
決定的なスクリーニング設計ワークフローについて念のため言っておきますが、私が投稿した唯一の理由はスレッドのタイトルです。ワークフローについて言及しています。
飽和モデルを分析する方法については、Cuthbert Daniel (Daniel Plots、別名正規分布と半正規分布) と GEP Box (ベイズ分布も追加) を参照してください。Y 軸に実用的な重要性を示すパレート図も非常に便利です。モデルから項を除外するだけで、MSE 推定にバイアスがかかり、データの解釈を誤る可能性があります。
ダニエル・カスバート（1959）「要因2水準実験の解釈における半正規分布図の使用」テクノメトリクス、11月、第1巻、第4号
Box、GEP、ダニエル・マイヤー（1993）、「分画スクリーニング実験における活性因子の発見」、品質技術ジャーナル、第25巻、第2号、4月
この論文で、ボックス博士が実験をどのように分析しているかをご覧ください。
Box, GEP、Stephen Jones (1992)、「堅牢な製品実験のための分割プロット設計」、応用統計学ジャーナル、第19巻、第1号
