4가지 응답을 포함하는 4가지 요인 혼합 설계에 대한 데이터 분석 지침저는 JMP에서 4개의 연속 요인과 4개의 응답을 포함하는 혼합 설계를 작업하고 있습니다. 개별 응답을 모델링하고 평가하는 데 진전을 이루었지만 모든 응답을 집합적으로 분석하는 데 어려움을 겪고 있습니다. 구체적으로:
- 3중 플롯은 한 번에 3개의 혼합물 성분만 시각화하는 데 제한이 있어, 4가지 요인의 행동을 동시에 이해하는 것이 어렵습니다.
- 내 답변 중 일부는 상충되는 추세를 시사하고 있으며, 최적화를 위해 "중도적" 접근 방식이 필요합니다.
- 예측 프로파일러는 유용하지만 포괄적인 분석을 위해 모든 응답을 결합하는 복잡성을 완벽하게 처리하지는 못합니다.
- 각 요인에 대한 단일 최적 값을 식별하는 대신, 저는 각 화합물에 대해 더 작고 실용적인 범위를 정의하는 것을 목표로 합니다. 이러한 범위는 후속 분석에서 사용되며, 평가에서 추가 응답을 고려하게 됩니다.
제가 이미 한 일은 다음과 같습니다.
- 각 응답에 대해 RMSE를 감소시키는 중요한 효과만 유지했습니다.
- 잔차와 적합성 부족을 검토했지만 뚜렷한 추세나 문제점은 발견되지 않았습니다.
저는 이 혼합 설계를 효과적으로 분석하기 위해 JMP 내에서 가장 좋은 접근 방식이나 도구를 찾고 있습니다. 특히 모든 응답에 대한 통찰력을 종합하고 각 요인에 대한 의미 있는 범위를 식별하는 데 있어서요. 관련 전략이나 문서를 알려주시면 정말 감사하겠습니다.
미리 감사드립니다!
데이터 탐색 및 시각화실험 설계Re: 4가지 응답이 있는 4가지 요인 혼합 설계에 대한 데이터 분석 지침안녕하세요 @K_JMP ,
당신은 이미 당신의 결과를 분석하기 위해 많은 작업을 한 것 같습니다. 여기에 당신의 몇 가지 요점과 관련된 몇 가지 추가 제안이 있습니다:
- 3항 도표 대신, 등고선 도표 행렬(등고선 프로파일러의 빨간색 삼각형 옵션에서 "다중 등고선 프레임 ")을 사용하여 모든 요인을 쌍으로 표시할 수도 있습니다.
- Prediction Profiler에서 어떤 어려움을 겪고 계신가요? 범주형 응답이 있는 경우 확률 공식을 사용하여 포함하는 방법이 있습니다.
- 허용 가능한 요인 범위를 정의하려면 디자인 공간 프로파일러가 도움이 될 수 있습니다.
- 분석 접근 방식과 관련하여, 혼합 설계는 최적화 설계이므로 예측 지표를 기반으로 모델을 세분화하는 것이 좋습니다. 효과 유전을 존중해야 합니다. JMP Pro가 있는 경우 SVEM , Pruned Forward 또는 Backward Selection과 같은 일반화 회귀 모델 에서 다른 추정 방법을 사용해 볼 수 있습니다. 다른 검증 방법 옵션이 있습니다. 혼합 설계와 포인트 재분할에 따라 과대적합의 큰 위험 없이 보간하는 데 효과적인 간단한 머신 러닝을 시도할 수도 있습니다(SVM 및 Random Forest가 좋은 후보입니다).
이 몇 가지 제안이 도움이 되기를 바랍니다.
Re: 4가지 응답이 있는 4가지 요인 혼합 설계에 대한 데이터 분석 지침제 생각은 이렇습니다. 먼저 반응 변수의 상관관계를 구합니다. 상관관계를 구합니다. 이상치(Mahalonobis)를 찾습니다. 다양한 그래프 기법을 사용하여 혼합 반응 표면을 살펴봅니다. 안타깝게도 4차원에서는 볼 수 없으므로 가능한 3개 세트에 대해 여러 개의 그래프를 구해 보세요. 분석은 실용적으로 해야 합니다. 해석을 대신 해주는 "마법" 분석은 없습니다.
