Quand faut-il évaluer uniquement les effets principaux ? (Pas les effets principaux + interaction de 2e ordre)Salut,
J'aimerais savoir quand une situation nécessite d'évaluer uniquement les effets principaux, tout en ignorant les effets d'interaction.
Un collègue et moi avons des approches différentes sur la manière dont les conceptions de dépistage sont réalisées, j'aimerais donc comprendre ce que les autres pensent.
Nous pouvons supposer ce qui suit :
- Il s'agit d'une conception de dépistage (disons 4 facteurs - 2 niveaux)
- On ne sait rien des interactions jusqu'à présent et en théorie, n'importe quelle interaction pourrait exister.
- Le matériel (Expérience n°) et le temps ne sont pas limités
- Des DoE de suivi peuvent être effectués pour améliorer le modèle
J'apprécie l'efficacité et j'orienterai toujours les expériences vers la mentalité du « scientifique avide » lorsque cela est possible, mais je ne le ferai pas en compromettant le modèle lui-même. Je crains que lorsque des interactions pourraient être présentes, elles ne puissent pas être identifiées si une conception basée uniquement sur les effets principaux est mise en œuvre. Si un facteur est éliminé de l'écran parce que l'effet principal est jugé insignifiant, cela ne risque-t-il pas d'identifier le véritable optimal s'il y avait un potentiel qu'une interaction positive soit présente ?
Plan d'expériencesRé: Quand faut-il évaluer uniquement les effets principaux ? (Pas les effets principaux + l'interaction de 2e ordre)C'est une excellente question, mais malheureusement la réponse n'est pas définitive. Bien que nous considérions les principes de rareté, de hiérarchie et d'hérédité (pour qu'un effet d'ordre supérieur soit actif, au moins un parent doit être actif) comme des principes directeurs , ils ne sont pas absolus. Il est intéressant de noter que les effets principaux F=ma... m (masse) et a (accélération) ne sont pas présents dans le modèle. Seule l'interaction est présente.
Dans certains cas, la structure de l'alias peut être connue et vous pouvez donc deviner quels effets possibles (confondus) sont actifs. Ceux-ci peuvent être séparés dans des études ultérieures (par exemple, repli). Les expériences avec aliasing partiel sont plus difficiles à désagréger. Bien que ce que vous ferez réellement dans la prochaine itération de l'expérience ne soit pas décidé avant d'avoir analysé la première expérience, vous devez prédire tous les résultats possibles et anticiper toutes les possibilités.
Ré: Quand faut-il évaluer uniquement les effets principaux ? (Pas les effets principaux + l'interaction de 2e ordre)Merci pour cette explication détaillée. Juste pour confirmer, si une interaction est confondue par la conception du dépistage, identifiera-t-elle toujours chaque facteur de l'interaction comme significatif ? Cela peut ensuite être suivi par d'autres expériences pour rechercher des facteurs de confusion par le biais des interactions ?
Exemple:
Écran d'effet principal :
Modèle : X1, X2, X3, X4
Facteurs significatifs trouvés : X1, X2, X3
D/I optimal :
Modèle : X1, X2, X3, X1*X2, X2*X3 (potentiellement X1^2, X2^2, X3^2)
Et dans cet exemple, il existe des preuves raisonnables pour dire que X4 n’a fourni aucune interaction avec X1-X3 ?
Merci
Ré: Quand faut-il évaluer uniquement les effets principaux ? (Pas les effets principaux + l'interaction de 2e ordre)Voici mes pensées :
Tout d'abord, une précision : lorsque vous exécutez des plans factoriels, les interactions sont présentes, elles peuvent simplement être aliasées et donc non spécifiquement assignables. Vos inquiétudes sont légitimes. Cependant, si vous vous engagez dans une expérimentation séquentielle, les erreurs que vous faites dans l'interprétation des expériences initiales seront découvertes lors de l'itération suivante.
Il n'existe pas une seule approche correcte de l'expérimentation. Compte tenu de la situation que vous évoquez, j'ai les commentaires suivants :
1. 4 facteurs ne constituent pas un modèle de dépistage très efficace. Vous pouvez utiliser 4 facteurs dans resIV en 8 traitements. Je pense que les modèles de dépistage ont ≥ 5 facteurs, auquel cas vous commencez à réaliser les avantages du fractionnement et du modèle séquentiel.
2. Je commence toujours par la connaissance du domaine (SME) comme base pour déterminer la résolution. Je suggère de prédire l' ordre de classement des effets de 1er et 2e ordre. Les effets de 2e ordre sont-ils possibles/probables ? Au fur et à mesure que les effets de 2e ordre augmentent dans votre classement, envisagez des conceptions à plus haute résolution.
3. Tenez compte de l'espace de conception. Des effets d'ordre supérieur (par exemple, les interactions et la courbure) se produisent à l'intérieur de l'espace . Le premier objectif est donc de déplacer votre espace vers un « quasi » optimal (bien sûr, personne ne sait où se trouve l'optimum... nous comptons sur les experts pour vous guider). Ensuite, augmentez l'espace. Si vous êtes loin de l'optimum, il peut ne pas être efficace d'étudier l'intérieur de l'espace. Nous savons tous que le chemin le plus rapide entre deux points est une ligne droite, alors utilisez des facteurs à 2 niveaux pour déplacer l'espace. C'est l'idée derrière le criblage. Expérimentez sur de nombreux facteurs en espérant trouver des facteurs qui déplacent l'espace rapidement et concentrez-vous sur les facteurs significatifs.
4. Ne négligez pas le bruit. Dans presque tous les cas, le nombre de facteurs que vous manipulez est toujours un petit sous-ensemble de tous les facteurs. Que faites-vous des autres ? La bonne réponse n'est PAS de les maintenir constants. Quelle stratégie devez-vous utiliser pour partitionner et attribuer le bruit (par exemple, répétitions, réplications, blocs, parcelles divisées, imbrication) ? C'est à mon avis la partie la plus difficile de l'expérimentation et la moins enseignée. Malheureusement, le logiciel ne donne aucune indication.
Dans tous les cas, concevez plusieurs expériences. Comparez et opposez. Quel effet chacune d'elles aura-t-elle sur l'attribution, la confusion et la restriction des effets des facteurs ? Comparez ces résultats aux ressources disponibles et choisissez-en une.
« Le meilleur design que vous puissiez concevoir est celui que vous concevez après l'avoir exécuté »
