Que faire des effets contenusJ'exécute une étude factorielle complète 2x2 et je cherche uniquement à modéliser les effets principaux et les interactions à sens unique. Comme indiqué ci-dessous, j'ai un effet principal qui apparaît comme moins significatif que l'interaction à sens unique qui le contient. Je sais que le facteur d'interaction est également lui-même insignifiant, mais dans le passé, je l'ai considéré comme significatif. Dans le passé, j'ai simplement supprimé le facteur d'interaction insignifiant avant de supprimer l'effet principal. Existe-t-il des conseils à ce sujet ? Pourquoi cela peut-il se produire ? Y a-t-il quelque chose de spécifique dans l'ensemble de données qui provoque cela ? Quelle est la bonne façon de gérer les effets dans la situation ? Merci d'avance.
Modélisation statistique avancéeAnalyse et modélisation de données de basePlan d'expériencesModélisation prédictive et apprentissage automatiqueRe: Que faire avec les effets contenusJe comprends que ces termes ont été échangés ici et ailleurs dans le passé. J'utilise les termes comme le ferait JMP.
La hiérarchie des effets est le principe souvent observé selon lequel la plupart des effets sont de premier ordre, les effets suivants les plus importants sont de second ordre, et ainsi de suite. Les effets de troisième ordre sont plutôt rares.
Nous utilisons l'hérédité du modèle pour signifier que les termes d'ordre supérieur (combinaison linéaire du prédicteur) doivent inclure les termes d'ordre inférieur
Je ne pense pas que vous ayez tort. Mon utilisation est simplement cohérente avec JMP. Nous devons tous être prudents et expliquer ce que nous voulons dire lorsque nous utilisons certains termes. Vous vous expliquez toujours.
Re: Que faire avec les effets contenus@Mark_Bailey , je pensais que c'était le principe de hiérarchie. Autrement dit, en suivant le principe de hiérarchie, si vous avez un effet de 2e ordre (ordre supérieur), vous devez inclure les effets de premier ordre (ordre inférieur). L'hérédité est un principe d'analyse qui peut aider à déterminer lesquels des effets d'ordre supérieur confondus sont actifs en évaluant l'importance des effets d'ordre inférieur. Hérédité : pour qu'un effet d'ordre supérieur soit actif, au moins un parent doit être actif. Corrigez-moi si je me trompe.
Re: Que faire avec les effets contenusSalut @sanch1 ,
L'explication statistique de @Mark_Bailey peut vous aider à comprendre comment/pourquoi l'hérédité du modèle est utilisée pour construire des modèles basés sur des données DoE. J'aimerais apporter d'autres questions et remarques sur la modélisation et la signification des effets :
- Tenez compte du fait qu'il existe probablement de nombreuses manières d'obtenir des modèles différents (mais utiles), en fonction de votre métrique d'évaluation de la « signification » ou de la « précision » du modèle : seuil de valeur p pour les effets, critère d'information comme AICc et BIC, R²/R² ajusté, RMSE, ... Ce qui est important, c'est d'utiliser la ou les métriques alignées avec votre but et votre objectif (modèle explicatif et/ou prédictif).
- Concernant vos questions, je voudrais également souligner la nécessité de différencier la signification statistique de la signification pratique (effet de taille). Voir plus d'informations sur ce sujet précédent : https://community.jmp.com/t5/Discussions/Which-one-to-define-effect-size-Logworth-or-Scaled-Estimates/mp/728779/highlight/true#M91099
En fonction de votre rapport signal/bruit, vous pourrez peut-être détecter statistiquement (ou non) certains effets principaux et/ou effets d'interaction. Dans un environnement « contrôlé » (où les facteurs de nuisance sont « contrôlés » ou maintenus), avec éventuellement un système de mesure de haute précision (avec une précision de répétabilité et de reproductibilité élevée), vous pourrez peut-être détecter des effets avec une taille d'effet très faible. En fonction des conditions dans lesquelles vous avez effectué des études précédentes, cela peut expliquer pourquoi vous avez pu manquer ces effets.
- L'espace expérimental et la taille de l'échantillon peuvent également être différents entre vos études précédentes et cette étude réalisée avec DoE. En fonction des facteurs, des plages de facteurs, du modèle supposé et de la répartition des points dans l'espace expérimental, vous pouvez avoir des différences dans la représentativité de votre ensemble de données et la capacité à détecter les effets. Par exemple, un espace très étroit avec une taille d'échantillon faible rend la détection d'un effet statistiquement significatif plus difficile. En lien avec le point 2, les échantillons très grands ont tendance à transformer de petites différences en différences statistiquement significatives, c'est pourquoi une signification pratique est nécessaire pour évaluer l'adéquation du modèle.
Il est important de compléter l'analyse statistique par une expertise du domaine pour remettre en question/informer les modèles que vous avez créés et utiliser des exécutions de validation pour confirmer les prédictions de votre modèle final.
J'espère que ces considérations (non exhaustives) pourront vous aider à comprendre les différences que vous avez constatées dans vos différentes analyses,
Re: Que faire avec les effets contenusDans une étude factorielle complète 2x2, il est courant de constater que l'importance des effets principaux et des interactions peut varier en fonction des facteurs et des interactions entre eux. Parfois, un effet principal peut sembler moins significatif qu'une interaction qui l'inclut, peut-être en raison de l'impact combiné de plusieurs facteurs. Lorsque vous êtes confronté à une interaction qui contient un effet principal moins significatif, envisagez de simplifier votre modèle en supprimant les termes non significatifs pour vous concentrer sur des effets plus interprétables.
Re: Que faire avec les effets contenusBonjour @sanch1 ,
Concernant l'interaction qui apparaît comme active alors que vous pensez qu'elle ne devrait pas, avez-vous essayé de tracer un graphique d'interaction avec tous les points de données pour comprendre pourquoi l'interaction apparaît comme active ? Dans l'article Søren Bisgaard & Michael Sutherland (2003) Split Plot Experiments: Taguchi's Ina Tile Experiment Reanalyzed, Quality Engineering, 16:1, 157-164), les auteurs montrent un exemple de ce graphique avec cette situation pour une expérience non reproduite. Des problèmes dans votre acquisition de données ou une erreur lors de l'enregistrement des données dans le tableau peuvent être à l'origine de cet effet.
Re: Que faire avec les effets contenusJMP respecte « l'hérédité du modèle ». Ce principe stipule que vous devez inclure des termes d'ordre inférieur, même s'ils ne sont pas significatifs, si vous incluez des termes d'ordre supérieur qui les contiennent. Il ne s'agit pas de la science physique sous-jacente à la réponse ou d'un modèle théorique. Les expérimentateurs s'attendent généralement à ce que le modèle soit invariant à l'échelle. C'est-à-dire que si je change l'échelle d'un facteur, les termes du modèle restent les mêmes. Ce n'est pas le cas si vous ne respectez pas l'hérédité du modèle. JMP suit la meilleure pratique consistant à coder tous les niveaux de facteurs à [-1,1]. Les coefficients sont donc également codés. Vous pouvez convertir le modèle à l'échelle scientifique ou technique d'origine. Vous observerez des changements dans les termes si vous ne tenez pas compte de l'hérédité du modèle.
