封じ込められた効果をどうするか私は 2x2 完全実施要因研究を実行しており、主効果と一元的相互作用のみをモデル化しようとしています。以下に示すように、主効果は、それを含む一元的相互作用よりも重要ではないように見えます。相互作用因子自体も重要ではないことはわかっていますが、過去には重要であると見なしていました。過去には、主効果を削除する前に、重要でない相互作用因子を削除しました。これに関するガイダンスはありますか? なぜこのようなことが起こるのでしょうか? データセットにこれを引き起こす具体的な何かがありますか? このような状況で効果を処理する適切な方法は何ですか? よろしくお願いします。
高度な統計モデリング基本的なデータ分析とモデリング実験計画法予測モデリングと機械学習Re: 封じ込められた効果をどうするかこれらの用語は、過去にここでも他の場所でも入れ替えられたことがあると承知しています。私は JMP と同じように用語を使用しています。
効果の階層とは、ほとんどの効果が一次効果であり、次に大きい効果が二次効果、というように続くという、よく見られる原則です。三次効果はむしろまれです。
モデルの遺伝とは、高次の項（予測子の線形結合）が低次の項を含むことを意味する。
あなたが間違っているとは思いません。私の使用法は単に JMP と一致しているだけです。特定の用語を使用するときは、その意味を注意深く説明する必要があります。あなたは常に説明をしています。
Re: 封じ込められた効果をどうするか@Mark_Bailey 、これは階層の原則だと思いました。つまり、階層の原則に従うと、2 次 (高次) 効果がある場合は、1 次 (低次) 効果を含める必要があります。遺伝は、低次効果の重要性を評価することで、交絡した高次効果のどれが有効であるかを判断するのに役立つ分析原則です。遺伝: 高次効果がアクティブになるためには、少なくとも 1 つの親がアクティブである必要があります。間違っていたら訂正してください。
Re: 封じ込められた効果をどうするかこんにちは@sanch1 、
@Mark_Baileyによる統計的説明は、DoE データに基づくモデル構築にモデルの遺伝がどのように、またなぜ使用されるかを理解するのに役立ちます。モデリングと効果の重要性について、さらに質問とコメントを提供したいと思います。
- 「有意性」またはモデルの「精度」の評価メトリックに応じて、さまざまな（ただし有用な）モデルに到達する方法が多数ある可能性があることを考慮してください。評価メトリックには、効果の p 値しきい値、AICc や BIC などの情報基準、R²/R² 調整、RMSE などがあります。重要なのは、目標と目的（説明モデルおよび/または予測モデル）に合わせたメトリックを使用することです。
- あなたの質問に関して、統計的有意性と実際的有意性（サイズ効果）を区別する必要性も強調したいと思います。この以前のトピックに関する詳細情報を参照してください： https://community.jmp.com/t5/Discussions/Which-one-to-define-effect-size-Logworth-or-Scaled-Estimates/mp/728779/highlight/true#M91099
信号対雑音比によっては、いくつかの主効果や相互作用効果を統計的に検出できる (または検出できない) 場合があります。「制御された」環境 (迷惑な要因が「制御」または維持されている) では、おそらく高精度の測定システム (高い反復性と再現性の精度) を使用すると、効果サイズが非常に小さい効果を検出できる場合があります。以前の研究を行った条件によっては、それらの効果を見逃した理由が説明できる場合があります。
- 実験空間とサンプル サイズも、以前の研究と DoE で行われたこの研究とでは異なる場合があります。因子、因子の範囲、想定されるモデル、実験空間内のポイントの再分割に応じて、データセットの代表性と効果の検出能力に違いが生じる可能性があります。たとえば、サンプル サイズが小さい非常に狭い空間では、統計的に有意な効果の検出が難しくなります。ポイント 2 に関連して、非常に大きなサンプルは小さな違いを統計的に有意な違いに変換する傾向があるため、モデルの妥当性を評価するには実用的な重要性が必要です。
作成したモデルに疑問を投げかけたり情報を提供したりするために、統計分析をドメイン専門知識で補完し、検証実行を使用して最終モデルの予測を確認することが重要です。
これらの（網羅的ではない）考察が、異なる分析で見た違いを理解するのに役立つことを願っています。
Re: 封じ込められた効果をどうするか2x2 完全実施要因研究では、主効果と相互作用の有意性は、因子とそれらの相互作用に基づいて変化することがよくあります。主効果は、複数の因子の複合的な影響により、それを含む相互作用と比較して、有意性が低いように見える場合があります。有意性の低い主効果を含む相互作用に直面した場合は、意味のない項を削除してモデルを簡素化し、より解釈しやすい効果に焦点を当てることを検討してください。
Re: 封じ込められた効果をどうするかこんにちは@sanch1 、
相互作用がアクティブとして表示されるのは、アクティブであるべきではないと考えている場合、すべてのデータ ポイントを使用して相互作用プロットをプロットし、なぜ相互作用がアクティブとして表示されるかを理解しようとしましたか? Søren Bisgaard と Michael Sutherland (2003) Split Plot Experiments:Taguchi's Ina Tile Experiment Reanalyzed、Quality Engineering、16:1、157-164) の記事で、著者は、複製されていない実験のこの状況でのこのプロットの例を示しています。データ取得の問題、またはデータをテーブルに記録する際のエラーが、この結果の原因である可能性があります。
Re: 封じ込められた効果をどうするかJMP は「モデルの継承」を尊重します。この原則は、たとえ有意でなくても、それを含む高次の項を含める場合は、低次の項も含める必要があるというものです。これは、応答の根底にある物理科学や理論モデルに関するものではありません。実験者は通常、モデルがスケール不変であることを期待します。つまり、因子のスケールを変更しても、モデル内の項は同じままです。モデルの継承を尊重しない場合は、そうはなりません。JMP は、すべての因子レベルを [-1,1] にコード化するというベスト プラクティスに従います。したがって、係数もコード化されます。モデルを元の科学的または工学的スケールに変換することもできます。モデルの継承を無視すると、項の変化が観察されます。
