DoE で 1 つの要因が他の要因よりはるかに重要になった場合はどうなるでしょうか?こんにちは、みんな、
私は、主目標 (安定性) と副目標 (生産性) を持つ DoE を作成しました。以前にも、初期 DoE で生産性を特徴付けたことがあります。そのデータから、優れたモデルが開発されました。この新しい DoE では、これまで考慮されていなかった別の要因を追加しました。この要因は明らかに主要な要因であるため、生産性に大きな影響を与えることはわかっていましたが、安定性への影響についてはまったく確信がありませんでした。
安定性モデルは素晴らしい結果になりました。生産性モデルは悲惨な結果でした。モデルの縮小が終わる頃には Adj R^2 はほぼ存在しなくなり、残った項は私が追加した新しい因子でした。(外部スチューデント化残差によって外れ値は検出されませんでした)。
そこで私の質問は、モデリング能力の低さは、主要要因が他の要因に比べてはるかに大きな影響を与え、他の影響は本質的に検出できなかったという事実によって説明できるのかということです。
実験計画法Re: DoE で 1 つの要因が他の要因よりはるかに重要になった場合はどうなりますか?こんにちは@MetaLizard62080 、
この要因の重要性 (実際の効果サイズ、統計的有意性、その両方)、作成した設計、およびモデルを分析および改良した方法についての詳細なコンテキストと精度がなければ、あなたを支援するのは非常に複雑です。
生産性に関する最初の成功した DoE と今回の DoE の間で何が変わったかを比較できれば、すでにいくつかのアイデアがあるかもしれません。要因、レベル、設計、モデルの選択、目的、調整/改良のためのモデル メトリックなどです。
ただし、あなたが提案したもの以外にも、いくつかの考察、疑問、考えられる説明があります。
- デザインの定義 :
- 要因の範囲の違いと特定の要因が応答に与える影響によっては、他の要因と比較してこの要因の重要性/効果サイズが増幅されている可能性があります。この要因に関する応答の変動性を減らす (および/または他の要因に関する応答の変動性を増やす) ために、設計を拡張してこの要因の範囲を縮小 (および/または他の要因の範囲を拡大) することができます。
- 目的 (因子のスクリーニング、実験空間の探索、予測など) に応じて、異なるサンプル サイズ、反復実行など、異なる設計を選択する場合があります。サンプル サイズは、他の要因で検出する差異に対して十分に大きいですか? 選択した設計は目的に適していますか?
- ノイズの処理: 実験には「ノイズ」がありますか? そうである場合、繰り返し性、再現性、ノイズ要因、外部の影響など、さまざまなソースから発生するノイズを識別して処理するための戦略を使用しましたか?
- この新しい DoE は「ゼロから」作成されたのでしょうか、それとも履歴データの情報を活用するために拡張を使用したのでしょうか?
- モデル構築、改良 および選択:
- 削減後、調整された R² が非常に低かったと述べています。モデルの構築と選択に関連する目的は何ですか? 使用する指標はどれですか。それらは目的に関連していますか? 削減前の完全な想定モデルの指標のパフォーマンスはどうでしたか? どのような情報/基準/指標に基づいてモデルを削減しましたか?
目的 (説明可能性と予測可能性、またはその両方) と関連する関心のある指標 (説明可能性については R²/R² 調整、予測可能性については RMSE、両方の情報基準など) に応じて、異なるモデルが完成する可能性があります。特に統計的有意性と p 値のみに頼らないように、複数のモデルを構築してみてください (このトピックに関する説明は、 統計的有意性 で読むことができます)。また、ドメインの専門知識に基づいて、モデル内の要因/用語の効果サイズ/実際的な有意性が重要であるかどうかを識別して評価することもできます。
- 因子の重要性と効果の大きさは、どの因子がモデルに入るかによって決まることに留意してください。したがって、モデルをどのように「縮小」するか、どの項を削除するかによって、p値と効果の大きさの推定が完全に変わります。詳細については、こちらを参照してください。重要でない因子を削除すると、重要な因子は重要でなくなります。
- DoE のモデルは、 効果のスパース性、効果の遺伝、 効果の階層の原則にも依存しています。構築しているモデルがこれらの原則を尊重しているかどうかを確認/評価することができます。 「応答曲面モデルでは 1 つの因子が重要ではないが、同じ因子の 2 次項が重要なことはあり得ますか?」を参照してください。
- 残差を確認しましたか? 回帰の仮定に違反している可能性のあるパターンはありますか ( 回帰モデルの仮定 | 統計入門 | JMP )? 適合度不足検定は利用できますか? 応答は、大きく異なる桁数をカバーする予測性にリンクされていますか? これらの質問に対する回答によっては、回帰モデルの仮定が満たされていることを確認するために、モデル構築で確認および修正する必要があるものがある可能性があります (または、項を追加/削除した別の回帰モデル、応答の変換、一般化回帰モデルなどが必要な場合があります)。 因子の RSM 適合の問題を参照してください。
- 結果はドメイン専門家にとって関連性があり、以前の結果と一致していますか?
結局のところ、モデルは選択したデザインによって駆動されるため、トピックのデザインをどのようにして、またなぜ選択して作成したかを理解せずにモデルに関してサポートすることは困難です。
直面している問題を示すおもちゃのデータセットは、より正確なフォローアップに役立つ場合があります。
この最初のディスカッションスターターがお役に立てば幸いです。
Re: DoE で 1 つの要因が他の要因よりはるかに重要になった場合はどうなりますか?Victor が指摘しているように、質問に適切に回答するにはコンテキストが足りません。私の考え/質問は次のとおりです。最初の実験を再現しましたか? 最初の実験中に追加した要因は何でしたか? (例: 一定に保持、またはランダムに変化) 安定性をどのように測定しましたか? 測定システムは調査されましたか? 安定性は通常、実験を実行するときに放棄する特性の 1 つです。これは、時系列を切り捨てているためで、安定性には時系列が必要であるためです。
振り返ってみると、これが、より広い推論空間から始める理由です (たとえば、より多くの設計要因とノイズを調査に含める)。最初の実験の結果は条件付きでした。推論空間、設計要因、または実験中に変化するノイズが変化すると、結果も変化する可能性があります。
あなたの考えは必ずしも間違っているわけではありません。分析を「圧倒」するほどの大きな影響があり、研究における他の大きな影響を発見するのが困難になる可能性があります。私たちは、すべての要因を太字に設定することで、これを克服しようとしています。ある要因のレベル設定が他の要因よりもはるかに太字になっている場合、その要因は他の要因よりもはるかに重要であるように見えることがあります。
