Guten Tag,
Ich habe zwei verschiedene Experimente mit einem CCD durchgeführt und für beide verwirrende Ergebnisse erhalten. Jedes Experiment stellt zwei verschiedene Materialien dar, sie sind keine Replikate voneinander.
Jedes Experiment war ein flächenzentriertes CCD mit 2 Blöcken, wobei jeder Block ein Replikat war. Jeder Block weist Variationen innerhalb der Proben auf. Ich gehe davon aus, dass der Block im Modell nicht signifikant ist, da es eine große Menge an Varianz innerhalb gibt, die die Varianz zwischen den Blöcken vernachlässigbar macht (ich arbeite mit Bakterien und das Inokulum variiert, egal was ich tue – es folgt der Poisson-Verteilung). Das Ergebnis ist Anwesenheit (1)/Abwesenheit (0). Das Ziel ist 100 % Anwesenheit.
Wenn ich die nominale Logistikanpassung durchführe und alle Variablen im Modell behalte, beträgt der p-Wert für den Gesamtmodelltest für beide Experimente <0,05 und der Mangel an Anpassung >0,05. Wenn ich jedoch anfange, unbedeutende Effekte zu entfernen, wird der Mangel an Anpassung <0,05.
Ich weiß nicht, wie ich am besten weitermachen soll. Soll ich für jedes Experiment eine dritte Wiederholung durchführen? Es mit Achsenpunkten erweitern (drehbar machen)? Alle Variablen belassen? Den Profiler „so wie er ist“ verwenden, nachdem ich Variablen entfernt habe (mit fehlender Anpassung <0,05) und sehen, ob es funktioniert?
Vielen Dank im Voraus für die Hilfe!
Ist diese Analyse möglich?
Hallo @Feline614 ,
Angesichts der begrenzten Informationen zum Kontext und Ihren Zielen habe ich eine nicht erschöpfende Liste (vieler) Fragen zusammengestellt, die Ihnen hoffentlich auch bei Ihren Überlegungen helfen und Ihnen als Orientierung dienen wird:
- Ziel(e): Was ist/sind Ihr(e) Ziel(e)?
- Die wichtigsten Faktoren und Auswirkungen der Bakterienpräsenz verstehen?
- Bedingungen hinsichtlich der Anwesenheit von Bakterien optimieren? Global oder für jedes Material spezifisch?
- Antwort : Sind Sie nur auf eine binäre Antwortmessung (Ja/Nein oder Abwesenheit/Anwesenheit) beschränkt? Gibt es eine Möglichkeit, die Bakterienpopulation zu zählen (manuell oder mit Hilfe von Computer-Vision-Tools ...?)?
Eine kontinuierliche Reaktion würde die Analyse der Ergebnisse Ihrer Faktoren erleichtern, indem sie die Variabilität/das Rauschen des Messsystems und der Versuchsvorbereitung beurteilt und eine präzise Schätzung der Auswirkungen der Faktoren ermöglicht.
- Versuchsaufbau und Wahl des DoE : Warum haben Sie sich dafür entschieden, zwei Versuche getrennt durchzuführen? Sind die Faktoren, Bereiche und Einheiten für X_1 und X_2 in den beiden Versuchsaufbauten gleich?
Wenn die Faktoren und Einheiten bei beiden Designs gleich sind, warum analysieren Sie dann nicht den gesamten Datensatz? Sie könnten die beiden Datensätze verknüpfen, indem Sie in der Verknüpfung eine „Quellenspalte“ verwenden, um die Quelle der Daten und der verwendeten Materialien zu identifizieren, und ein ähnliches Modell erstellen, indem Sie in der Begriffsliste den Haupteffekt des Materials und die 2-Faktor-Interaktionen zwischen dem Materialfaktor und X1/X2 hinzufügen. Dies könnte Ihnen dabei helfen, Ihre Ergebnisse zu verallgemeinern, Ihren Inferenzraum zu erweitern und die Beziehungen zwischen Ihren Faktoren und Ihrer Antwort besser zu verstehen.
- Sperrfaktor : Was ist Ihr Sperrfaktor? Vermuten Sie, dass der Sperrfaktor eine Änderung der mittleren Antwort (fester Effekt, Designrolle „Sperrung“) oder eine Änderung der Antwortvarianz (Zufallseffekt bei der Modellerstellung unter Verwendung eines verallgemeinerten linearen Mischmodells) verursachen könnte?
Wenn Ihr Sperrfaktor mit Ihrer experimentellen Kapazität verknüpft ist (z. B. Anzahl der Experimente/Tag), kann er wahrscheinlich als Zufallseffekt betrachtet werden.
- Kriterien für die Modellauswahl : Was ist/sind Ihr/e Kriterium/Kriterien für die Modellauswahl? Es scheint, dass Sie Ihre Analyse auf statistischen Kriterien für Effekte und Modell-p-Werte gestützt haben, Ihr Modell aber noch weiter verfeinern möchten? Warum möchten Sie einige Effekte entfernen (statistische Signifikanz, aber keine praktische Signifikanz/Bedeutung? Nicht im Einklang mit der Fachkompetenz? Sonstiges ...)?
Einige Kommentare: Mit dem Lack-Of-Fit -Test können Sie beurteilen, ob das Modell gut zu den Daten passt. Ein kleiner p-Wert (<0,05) weist auf einen erheblichen Mangel an Anpassung hin (in Ihrem Fall scheint das „Entfernen unbedeutender Effekte“ also zu einer Unteranpassung des Modells zu führen, da es zu einfach ist, um gut zu den Daten zu passen).
P-Werte sind nicht die einzigen Kriterien, die zur Modellbewertung und -auswahl herangezogen werden sollten, und die Metriken sollten entsprechend Ihren Zielen gewählt werden. Beispielsweise kann das Informationskriterium (AICc, BIC) auch dabei helfen, das Gleichgewicht zwischen Komplexität und Genauigkeit und die Eignung Ihres Modells zu beurteilen.
- Modellauswahl : Sie haben ein nominales logistisches Modell verwendet. Je nachdem, ob Sie JMP/JMP Pro haben, können andere Schätzmethoden verwendet werden, um verschiedene Modelle durch die Persönlichkeit der verallgemeinerten Regression auszuprobieren. Es ist möglicherweise auch möglich, einfache Modelle des maschinellen Lernens wie baumbasierte Modelle (Entscheidungsbaum/Random Forest) oder Support Vector Machines zu verwenden. Um Überanpassung zu vermeiden, müssen Sie möglicherweise die Baumtiefe (nur 2/3 Teilungen) für baumbasierte Methoden oder die Anzahl der Support-Vektoren für SVM begrenzen, aber die Verwendung dieser anderen Modellierungsoptionen kann andere Erkenntnisse liefern.
- Verwendung des Modells : Was möchten Sie mit den Erkenntnissen aus Ihrem Modell tun? Wie/warum sind die Ergebnisse „verwirrend“? Haben Sie mit der von Ihnen durchgeführten Analyse bereits etwas gelernt? Können Sie diese Erkenntnisse in die Praxis umsetzen, indem Sie die Schlussfolgerungen aus Ihrem/Ihren Modell(en) testen, um sie zu validieren? Stehen die Erkenntnisse/Schlussfolgerungen im Einklang mit dem Fachwissen?
Was ist die Motivation hinter den Replikaten? Erweiterung mit Achsenpunkten? Wie/warum möchten Sie Ihr Thema weiterverfolgen?
Ich hoffe, diese Fragen helfen Ihnen weiter.
