¿Qué hacer con los efectos contenidos?Estoy realizando un estudio factorial completo de 2x2 y solo busco modelar los efectos principales y las interacciones unidireccionales. Como se muestra a continuación, tengo un efecto principal que parece menos significativo que la interacción unidireccional que lo contiene. Sé que el factor de interacción también es insignificante en sí mismo, pero en el pasado lo he visto como significativo. En el pasado, simplemente eliminé el factor de interacción insignificante antes de eliminar el efecto principal. ¿Hay alguna guía sobre esto? ¿Por qué podría suceder esto? ¿Hay algo específicamente en el conjunto de datos que cause esto? ¿Cuál es la forma adecuada de manejar los efectos en la situación? Gracias de antemano.
Modelado estadístico avanzadoAnálisis y modelado de datos básicosDiseño de experimentosModelado predictivo y aprendizaje automáticoRe: ¿Qué hacer con los efectos contenidos?Entiendo que estos términos se han intercambiado aquí y en otros lugares en el pasado. Utilizo los términos como lo haría JMP.
La jerarquía de efectos es el principio que se observa a menudo: la mayoría de los efectos son de primer orden, los siguientes efectos más importantes son de segundo orden, y así sucesivamente. Los efectos de tercer orden son bastante raros.
Usamos la herencia del modelo para significar que los términos de orden superior (combinación lineal de predictores) deben incluir términos de orden inferior.
No creo que te equivoques. Mi uso es simplemente coherente con JMP. Todos debemos tener cuidado de explicar lo que queremos decir cuando usamos ciertos términos. Tú siempre te explicas.
Re: ¿Qué hacer con los efectos contenidos?@Mark_Bailey , pensé que este era el principio de jerarquía. Es decir, siguiendo el principio de jerarquía, si tienes un efecto de segundo orden (orden superior), debes incluir los efectos de primer orden (orden inferior). La herencia es un principio de análisis que puede ayudar a determinar cuáles de los efectos de orden superior confusos están activos al evaluar la importancia de los efectos de orden inferior. Herencia: para que un efecto de orden superior esté activo, al menos 1 progenitor debe estar activo. Corrígeme si me equivoco.
Re: ¿Qué hacer con los efectos contenidos?Hola @sanch1 ,
La explicación estadística de @Mark_Bailey puede ayudarle a entender cómo y por qué se utiliza la herencia de modelos para construir modelos basados en datos del DoE. Me gustaría ofrecer más preguntas y comentarios sobre el modelado y la importancia de los efectos:
- Tenga en cuenta que posiblemente haya muchas maneras de llegar a modelos diferentes (pero útiles), dependiendo de su métrica de evaluación para la "significación" o la "precisión" del modelo: umbral de valor p para efectos, criterio de información como AICc y BIC, R²/R² ajustado, RMSE, ... Lo importante es utilizar la(s) métrica(s) alineadas con su meta y objetivo (modelo explicativo y/o predictivo).
- En relación con sus preguntas, también quisiera destacar la necesidad de diferenciar la significación estadística de la significación práctica (tamaño del efecto). Vea más información sobre este tema anterior: https://community.jmp.com/t5/Discussions/Which-one-to-define-effect-size-Logworth-or-Scaled-Estimates/mp/728779/highlight/true#M91099
Dependiendo de la relación señal-ruido, es posible que pueda detectar estadísticamente (o no) algunos efectos principales y/o efectos de interacción. En un entorno "controlado" (donde los factores molestos están "controlados" o se mantienen), con un sistema de medición posiblemente de alta precisión (con alta repetibilidad y precisión de reproducibilidad), es posible que pueda detectar efectos con un tamaño de efecto muy pequeño. Dependiendo de las condiciones en las que haya realizado estudios anteriores, eso puede explicar por qué puede haber pasado por alto esos efectos.
- El espacio experimental y el tamaño de la muestra también pueden ser diferentes entre sus estudios anteriores y este estudio realizado con DoE. Dependiendo de los factores, los rangos de factores, el modelo asumido y la repartición de puntos en el espacio experimental, puede haber diferencias en la representatividad de su conjunto de datos y la capacidad para detectar efectos. Por ejemplo, un espacio muy estrecho con un tamaño de muestra bajo hace que la detección de efectos estadísticamente significativos sea más difícil. En relación con el punto 2, las muestras muy grandes tienden a transformar pequeñas diferencias en diferencias estadísticamente significativas, por lo que es necesario tener significancia práctica para evaluar la adecuación del modelo.
Es importante complementar el análisis estadístico con experiencia en el dominio para desafiar/informar los modelos que ha creado y utilizar ejecuciones de validación para confirmar las predicciones de su modelo final.
Espero que estas consideraciones (no exhaustivas) puedan ayudarle a comprender las diferencias que ha visto en sus distintos análisis.
Re: ¿Qué hacer con los efectos contenidos?En un estudio factorial completo 2x2, es común encontrar que la importancia de los efectos principales y las interacciones puede variar en función de los factores y las interacciones entre ellos. A veces, un efecto principal puede parecer menos significativo en términos generales en comparación con una interacción que lo incluye, posiblemente debido al impacto combinado de múltiples factores. Cuando se enfrenta a una interacción que contiene un efecto principal menos significativo, considere simplificar su modelo eliminando los términos que no tengan significado para centrarse en los efectos más interpretables.
Re: ¿Qué hacer con los efectos contenidos?Hola @sanch1 ,
En cuanto a la interacción que se muestra como activa cuando crees que no debería ser así, ¿has intentado trazar un gráfico de interacción con todos los puntos de datos para entender por qué la interacción se muestra como activa? En el artículo Søren Bisgaard & Michael Sutherland (2003) Split Plot Experiments:Taguchi's Ina Tile Experiment Reanalyzed, Quality Engineering, 16:1, 157-164), los autores muestran un ejemplo de este gráfico con esta situación para un experimento no replicado. Los problemas en la adquisición de datos o algún error al registrar los datos en la tabla pueden causar este efecto.
Re: ¿Qué hacer con los efectos contenidos?JMP respeta la "herencia del modelo". Este principio establece que se deben incluir términos de orden inferior, incluso si no son significativos, si se incluyen términos de orden superior que los contienen. No se trata de la ciencia física que subyace a la respuesta o de un modelo teórico. Los experimentadores generalmente esperan que el modelo sea invariante en la escala. Es decir, si cambio la escala de un factor, los términos del modelo siguen siendo los mismos. Ese no es el caso si no se respeta la herencia del modelo. JMP sigue la mejor práctica de codificar todos los niveles de los factores a [-1,1]. Por lo tanto, los coeficientes también se codifican. Se puede convertir el modelo a la escala científica o de ingeniería original. Se observarán cambios en los términos si se ignora la herencia del modelo.
