José G. Ramírez, PhD, Chefstatistiker, Quality Excellence Group, Amgen
Dieses Papier wurde zu einem der drei Finalisten für das beste eingereichte Papier gewählt.
Nach der Analyse eines geplanten Experiments mit mehreren Antworten kann eine große Anzahl reduzierter Modelle vorliegen, die von mehreren experimentellen Faktoren abhängen. Wie bestimmen wir, welche dieser Modelle sich für Vorhersagen eignen? Wie beurteilen wir, welche experimentellen Faktoren über alle Antworten hinweg die wichtigsten sind? Das Box-Wetz-Kriterium ist ein nützliches Maß für die Vorhersagegüte statistischer Modelle, das die durchschnittliche Änderung einer Antwort mit dem durchschnittlichen Schätzfehler vergleicht. Die Sobol-Zerlegung liefert Sensitivitätsindizes, die sehr hilfreich sind, um die Bedeutung der experimentellen Faktoren über mehrere Antworten hinweg zu beurteilen. Anhand von Beispielen aus der Biotechnologiebranche demonstrieren wir ein JMP-Skript, das das Box-Wetz-Kriterium für ein gegebenes Modell berechnet, und diskutieren seine Interpretation. Wir zeigen außerdem, wie die vom „Prediction Profiler > Assess Variable Importance“ generierten Sensitivitätsindizes verwendet werden können, um die Bedeutung experimenteller Faktoren über mehrere Antworten hinweg zu priorisieren.
