Quando dovresti valutare solo gli effetti principali? (Non principale + interazione di 2° ordine)CIAO,
Vorrei sapere quando una situazione richiede la valutazione solo degli effetti principali, ignorando gli effetti di interazione.
Io e un collega abbiamo approcci diversi su come vengono eseguiti i progetti di screening, quindi vorrei capire cosa ne pensano gli altri.
Possiamo supporre quanto segue:
- Questo è un progetto di screening (diciamo 4 fattori - 2 livelli)
- Finora non si sa nulla delle interazioni e in teoria potrebbe esistere qualsiasi interazione.
- Il materiale (esperimento n.) e il tempo non sono limitati
- È possibile eseguire DoE di follow-up per ampliare il modello
Apprezzo l'efficienza e, quando possibile, orienterò sempre gli esperimenti verso la mentalità dello "scienziato avido", tuttavia, non lo farò compromettendo il modello stesso. La mia preoccupazione è che quando potrebbero essere presenti interazioni, potrebbero non essere identificate se viene implementato un design basato solo sugli effetti principali. Se un fattore viene eliminato dallo schermo perché l'effetto principale è stato ritenuto insignificante, non si rischia di identificare il vero ottimale se ci fosse un potenziale che un'interazione positiva fosse presente?
Progettazione degli esperimentiR: Quando dovresti valutare solo gli effetti principali? (Non principale + interazione di 2° ordine)Questa è una bella domanda, ma sfortunatamente la risposta non è definitiva. Mentre consideriamo i principi di scarsità, gerarchia ed ereditarietà (affinché un effetto di ordine superiore sia attivo, almeno un genitore deve essere attivo) come principi guida , non sono assoluti. È interessante notare che gli effetti principali F=ma... m (massa) e a (accelerazione) non sono nel modello. Solo l'interazione.
In alcuni casi la struttura dell'alias può essere nota e quindi puoi supporre quali possibili effetti (confusi) siano attivi. Questi possono essere separati in studi successivi (ad esempio, fold over). Gli esperimenti con aliasing parziale sono più difficili da disaggregare. Mentre ciò che farai effettivamente nella successiva iterazione dell'esperimento non sarà deciso finché non analizzerai il primo esperimento, dovresti prevedere tutti i possibili risultati e anticipare tutte le possibilità.
R: Quando dovresti valutare solo gli effetti principali? (Non principale + interazione di 2° ordine)Grazie per la spiegazione esauriente. Solo per confermare, se un'interazione è confusa dal design di screening, identificherà comunque ogni fattore nell'interazione come significativo? Questo può quindi essere seguito da ulteriori esperimenti per cercare fattori confusi attraverso le interazioni?
Esempio:
Schermata dell'effetto principale:
Modello: X1, X2, X3, X4
Fattori significativi trovati: X1, X2, X3
D/I ottimale:
Modello: X1, X2, X3, X1*X2, X2*X3 (Potenzialmente X1^2, X2^2, X3^2)
E in questo esempio, ci sono prove ragionevoli per affermare che X4 non ha fornito alcuna interazione con X1-X3?
Grazie
R: Quando dovresti valutare solo gli effetti principali? (Non principale + interazione di 2° ordine)Ecco cosa penso:
Innanzitutto una precisazione: quando si eseguono progetti fattoriali, le interazioni sono presenti, ma potrebbero essere alias e quindi non specificatamente assegnabili. Le tue preoccupazioni sono legittime. Tuttavia, se ti impegni nella sperimentazione sequenziale, gli errori che commetti nell'interpretazione degli esperimenti iniziali saranno scoperti nell'iterazione successiva.
Non esiste un approccio corretto alla sperimentazione. Data la situazione che hai posto, ho i seguenti commenti:
1. 4 fattori non sono un granché come design di screening. Puoi eseguire 4 fattori in resIV in 8 trattamenti. Penso che i design di screening abbiano ≥5 fattori, nel qual caso inizi a realizzare i vantaggi del design frazionato e sequenziale.
2. Inizio sempre con SME (conoscenza del dominio) come base per determinare la risoluzione. Suggerisco di prevedere l' ordine di rango degli effetti di 1° e 2° ordine. Gli effetti di 2° ordine sono possibili/probabili? Man mano che gli effetti di 2° ordine aumentano nel tuo ordinamento di rango, prendi in considerazione progetti a risoluzione più elevata.
3. Considera lo spazio di progettazione. Effetti di ordine superiore (ad esempio, interazioni e curvatura) si verificano all'interno dello spazio . Quindi il primo obiettivo è spostare il tuo spazio a "quasi" l'ottimo (ovviamente, nessuno sa dove si trovi l'ottimo... ci affidiamo a SME per fornire indicazioni). Quindi aumenta lo spazio. Se sei lontano dall'ottimo, potrebbe non essere efficiente studiare all'interno dello spazio. Sappiamo tutti che la via più veloce tra due punti è una linea retta, quindi usa fattori a 2 livelli per spostare lo spazio. Questa è l'idea alla base dello screening. Sperimenta su molti fattori sperando di trovare fattori che spostano rapidamente lo spazio e concentrati sui fattori significativi.
4. Non ignorare il rumore. In quasi tutti i casi, il numero di fattori che manipoli è sempre un piccolo sottoinsieme di tutti i fattori. Cosa fai con gli altri? La risposta corretta è NON mantenerli costanti. Quale strategia dovresti usare per partizionare e assegnare il rumore (ad esempio, ripetizioni, repliche, blocchi, split-plot, nidificazione)? Questa è IMHO la parte più impegnativa della sperimentazione e la meno insegnata. Sfortunatamente, il software non fornisce indicazioni.
In tutti i casi, progettare esperimenti multipli. Confrontare e contrapporre. Cosa farà ciascuno in termini di assegnazione, confondimento e limitazione degli effetti dei fattori? Soppesare questo rispetto alle risorse e sceglierne uno.
"Il miglior design che potrai mai progettare è quello che progetti dopo averlo eseguito"
