こんにちは、
CCD を使用して 2 つの異なる実験を実行しましたが、どちらも混乱した結果が得られました。各実験は 2 つの異なる材料を表しており、互いの複製ではありません。
各実験は、2 つのブロックを持つ面中心の CCD で、各ブロックは複製です。各ブロックにはサンプル内での変動があります。ブロック内の変動が十分にあり、ブロック間の変動が無視できるため、モデルではブロックは重要ではないと想定しています (細菌を扱っており、接種物は何をしても変化します。ポアソン分布に従います)。結果は、存在 (1)/ 不在 (0) です。目標は 100% の存在です。
適合名目ロジスティックを実行し、モデル内のすべての変数を保持すると、両方の実験の全体モデル テストの p 値は <0.05 になり、適合度の欠如は >0.05 になります。ただし、重要でない効果を除去し始めると、適合度の欠如は <0.05 になります。
最善の方法がわかりません。各実験で 3 回目の反復を行う必要がありますか? 軸ポイントを追加します (回転可能にします)? すべての変数を残しますか? 変数を削除した後 (適合度の欠如 <0.05)、プロファイラーを「そのまま」使用して、機能するかどうかを確認しますか?
ご協力をよろしくお願いいたします!
こんにちは@Feline614 、
状況と目的に関する限られた情報に関して、私は（多くの）質問の網羅的ではないリストを用意しています。これらがあなたの考察を助け、あなたを導くことを期待しています。
- 目的:あなたの目的は何ですか?
- 細菌の存在の背後にある主な要因と影響を理解していますか?
- 細菌の存在条件を最適化しますか? 全体的に、それとも材料ごとに具体的に?
- 回答: バイナリ (はい/いいえまたは不在/存在) の応答測定のみに制限されていますか? 細菌の個体数をカウントするオプションはありますか (手動またはコンピューター ビジョン ツールの助けを借りて...?)?
継続的な応答は、測定システムと実験準備からの変動性/ノイズを評価し、要因の影響を正確に推定できるようにすることで、要因からの結果の分析に役立ちます。
- 実験設定と DoE の選択: 2 つの実験を別々に実行することにしたのはなぜですか? 2 つの実験設定で、X_1 と X_2 の係数、範囲、単位は同じですか?
2 つの設計間で因子と単位が同じである場合、データセット全体を分析してみませんか? 2 つのデータセットを連結し、連結の「ソース列」を使用してデータのソースと使用される関連材料を特定し、用語リストに材料の主効果と材料因子と X1 / X2 間の 2 因子相互作用を追加して同様のモデルを作成できます。これにより、発見を一般化し、推論スペースを増やし、因子と応答の関係を理解するのに役立ちます。
- ブロッキング係数: ブロッキング係数とは何ですか? ブロッキング係数によって平均応答 (固定効果、設計ロール「ブロッキング」) が変化する可能性があると思われますか、それとも応答分散 (モデル作成時のランダム効果、一般化線形混合モデルを使用) が変化する可能性があると思われますか?
ブロック係数が実験容量（たとえば、1 日あたりの実験数）にリンクされている場合、ランダム効果と見なされる可能性があります。
- モデル選択基準: モデル選択の基準は何ですか? 分析は効果とモデルの p 値の統計基準に基づいているようですが、モデルをさらに改良したいとお考えですか? 一部の効果を削除する理由は何ですか (統計的に有意だが実用的な有意性/重要性がない? ドメインの専門知識に適していない? その他...)?
コメント: 不適合度テストは、モデルがデータに適合しているかどうかを評価するのに役立ちます。p 値が小さい (<0.05) は、適合度が著しく低いことを示します (したがって、あなたの場合、「重要でない効果を除去する」と、モデルがデータに適合するには単純すぎるため、適合度が低くなるようです)。
P 値はモデルの評価と選択に使用される唯一の基準ではありません。指標は目的に応じて選択する必要があります。たとえば、情報基準 (AICc、BIC) は、モデルの複雑さと精度のバランスと妥当性を評価するのにも役立ちます。
- モデルの選択: 名目ロジスティック モデルを使用しました。JMP/JMP Pro を使用しているかどうかに応じて、一般化回帰パーソナリティを通じて他の推定方法を使用してさまざまなモデルを試すことができます。ツリーベースのモデル (決定木/ランダム フォレスト) やサポート ベクター マシンなどの単純な機械学習モデルを使用することもできます。オーバーフィッティングを回避するために、ツリーベースの方法の場合はツリーの深さ (2/3 の分割のみ) を制限したり、SVM の場合はサポート ベクターの数を制限したりする必要がありますが、これらの他のモデリング オプションを使用すると、さまざまな洞察が得られます。
- モデルの使用: モデルから得た知識をどのように活用したいですか? 結果が「わかりにくい」のはなぜですか? 実行した分析ですでに何かを学習しましたか? モデルから得た結論をテストして検証することで、これらの学習内容を実践できますか? 調査結果/結論はドメインの専門知識に準拠していますか?
反復の背後にある動機は何ですか? 軸ポイントによる増強ですか? トピックについてどのように/なぜ継続したいのですか?
これらの質問がお役に立てば幸いです。
