Bon après-midi,
J'ai mené deux expériences différentes en utilisant un CCD et j'ai obtenu des résultats déroutants pour les deux. Chaque expérience représente 2 matériaux différents, ils ne sont pas des répliques l'un de l'autre.
Chaque expérience était un CCD centré sur le visage avec 2 blocs, chaque bloc étant une réplique. Chaque bloc présente des variations au sein des échantillons. Je suppose que le bloc n'est pas significatif dans le modèle car il y a une bonne quantité de variance intra qui rend la variance inter négligeable (je travaille avec des bactéries et l'inoculum varie quoi que je fasse - il suit la distribution de Poisson). Le résultat est présence (1)/absence (0). L'objectif est une présence à 100 %.
Lorsque j'exécute l'ajustement logistique nominal et que je conserve toutes les variables dans le modèle, la valeur p du test du modèle complet pour les deux expériences est < 0,05 et le manque d'ajustement est > 0,05. Cependant, lorsque je commence à supprimer les effets non significatifs, le manque d'ajustement devient < 0,05.
Je n'arrive pas à déterminer la meilleure façon de procéder. Dois-je effectuer une troisième réplication pour chaque expérience ? L'augmenter avec des points axiaux (le rendre rotatif) ? Laisser toutes les variables ? Utiliser le profileur « tel quel » après avoir supprimé les variables (avec un manque d'ajustement < 0,05) et voir si cela fonctionne ?
Merci d'avance pour l'aide !
Cette analyse est-elle possible ?
Salut @Feline614 ,
Au vu des informations limitées sur le contexte et vos objectifs, j'ai une liste non exhaustive de (nombreuses) questions qui, je l'espère, pourront également aider vos réflexions et vous guider :
- Objectif(s) : Quel(s) est(sont) votre(vos) objectif(s) ?
- Comprendre les facteurs clés et les effets derrière la présence de bactéries ?
- Optimiser les conditions de présence des bactéries ? Globalement ou pour chaque matériau spécifiquement ?
- Réponse : Êtes-vous limité à une mesure de réponse binaire (Oui/Non ou Absence/Présence) ? Existe-t-il une option possible pour compter la population bactérienne (manuellement ou à l'aide d'outils de vision par ordinateur... ?) ?
Une réponse continue aiderait à analyser les résultats de vos facteurs, en évaluant la variabilité/le bruit du système de mesure et de la préparation expérimentale, et en permettant une estimation précise de l'impact des facteurs.
- Choix du dispositif expérimental et des DoEs : Pourquoi avoir choisi de réaliser deux expériences séparément ? Les facteurs, plages et unités pour X_1 et X_2 sont-ils les mêmes dans les deux dispositifs expérimentaux ?
Si les facteurs et les unités sont les mêmes entre les deux modèles, pourquoi ne pas analyser l'ensemble des données ? Vous pourriez concaténer les deux ensembles de données, en utilisant une « colonne Source » dans la concaténation pour identifier la source des données et les matériaux associés utilisés, et créer un modèle similaire en ajoutant dans la liste des termes l'effet principal du matériau et les interactions à 2 facteurs entre le facteur matériel et X1 / X2. Cela pourrait vous aider à généraliser vos résultats, à augmenter votre espace d'inférence et à comprendre les relations entre vos facteurs et votre réponse.
- Facteur de blocage : Quel est votre facteur de blocage ? Pensez-vous que le facteur de blocage pourrait entraîner un changement sur la réponse moyenne (effet fixe, rôle de conception « Blocage ») ou un changement sur la variance de la réponse (effet aléatoire dans la création du modèle, en utilisant le modèle mixte linéaire généralisé) ?
Si votre facteur de blocage est lié à votre capacité expérimentale (nombre d'expériences/jour par exemple), il peut probablement être considéré comme un effet aléatoire.
- Critères de sélection du modèle : Quel(s) est/sont votre/vos critère(s) de sélection du modèle ? Il semble que vous ayez basé votre analyse sur des critères statistiques d'effets et de p-values du modèle, mais que vous souhaitiez affiner encore plus votre modèle ? Pourquoi souhaitez-vous supprimer certains effets (signification statistique mais pas de signification/importance pratique ? Pas en adéquation avec l'expertise du domaine ? Autre...) ?
Quelques commentaires : Le test de manque d'ajustement vous aide à évaluer si le modèle s'adapte bien aux données. Une petite valeur p (< 0,05) indique un manque d'ajustement significatif (donc dans votre cas, « supprimer les effets insignifiants » semble entraîner un sous-ajustement du modèle, étant trop simple pour bien s'adapter aux données).
Les valeurs p ne sont pas les seuls critères à utiliser pour l'évaluation et la sélection du modèle, et les mesures doivent être choisies en fonction de vos objectifs. Par exemple, le critère d'information (AICc, BIC) peut également aider à évaluer l'équilibre complexité/précision et l'adéquation de votre modèle.
- Choix du modèle : Vous avez utilisé un modèle logistique nominal. Selon que vous possédez JMP/JMP Pro, d'autres méthodes d'estimation peuvent être utilisées pour tester différents modèles via la personnalité de régression généralisée. Il peut également être possible d'utiliser des modèles simples de Machine Learning comme des modèles basés sur des arbres (arbre de décision / forêt aléatoire) ou des machines à vecteurs de support. Afin d'éviter le surapprentissage, vous devrez peut-être limiter la profondeur de l'arbre (seulement 2/3 de divisions) pour les méthodes basées sur des arbres, ou le nombre de vecteurs de support pour SVM, mais l'utilisation de ces autres options de modélisation peut offrir des perspectives différentes.
- Utilisation du modèle : Que souhaitez-vous faire des enseignements tirés de votre modèle ? Comment/pourquoi les résultats sont-ils « déroutants » ? Avez-vous déjà appris quelque chose grâce à l'analyse que vous avez effectuée ? Êtes-vous capable de mettre en pratique ces enseignements, en testant les conclusions de votre/vos modèle(s) pour les valider ? Les résultats/conclusions sont-ils conformes à l'expertise du domaine ?
Quelle est la motivation derrière les répliques ? Augmentation avec des points axiaux ? Comment/pourquoi souhaiteriez-vous continuer sur votre sujet ?
J'espère que ces questions pourront vous aider,
