Si ajusta un bloque como efecto fijo en un modelo saturado, y su efecto no es significativo después de reducirlo mediante regresión escalonada, ¿necesita volver a agregarlo al modelo?Esto se publicó ayer en el blog de JMP, donde Phil Kay describe la reducción de un modelo saturado con un efecto de bloque. Indica que, en este caso específico, el bloque aleatorio debería añadirse primero como efecto fijo. Después de reducir el modelo mediante regresión gradual, debería reajustarse el modelo reducido y añadir el bloque como efecto aleatorio. En su ejemplo, el bloque era significativo después de reducir el modelo. Me pregunto si el bloque resulta significativo, ¿hay alguna razón para volver a añadirlo al modelo como efecto aleatorio o se puede omitir por completo?
https://community.jmp.com/t5/Phil-Kay-s-Blog/Selección de modelos para experimentos diseñados con bloques/ba-p/364531
Diseño de experimentosRe: Si ajusta un bloque como efecto fijo en un modelo saturado y su efecto no es significativo después de reducirlo mediante regresión escalonada, ¿necesita volver a agregarlo al modelo?Aquí están mis pensamientos sobre el tema del bloqueo.
En primer lugar, el bloqueo es una técnica para gestionar aquellos factores que no estás dispuesto a controlar. Los llamo ruido. Las razones para no estar dispuesto a controlar los factores son tres:
1. No existe capacidad ni tecnología o el factor es demasiado complejo (por ejemplo, expectativas del cliente, materiales suministrados)
2. El coste de control es prohibitivo (por ejemplo, las condiciones ambientales)
3. Sería inconveniente o poco práctico de controlar (por ejemplo, variaciones en la fuente de energía)
La decisión de tratar el bloque como un efecto fijo o aleatorio depende de su capacidad para asignar los factores al bloque (factores de confusión con el bloque). Si ha realizado la debida diligencia e identificado los factores de ruido específicos, confundir dichos factores con el bloque permitiría asignarlo como un efecto fijo (esto también permite asignar efectos bloque por factor al modelo para evaluar la robustez factorial). Si no ha identificado los factores de ruido específicos que se confunden con el bloque, trátelo como un efecto aleatorio. El bloqueo es una técnica fantástica, ya que permite al experimentador aumentar el espacio de inferencia sin afectar negativamente la precisión del diseño.
Tampoco creo que el método paso a paso sea el adecuado para construir un modelo en DOE. Se determina qué DOE ejecutar en función del modelo que se desea analizar. Se debe utilizar un enfoque sustractivo (no aditivo) para el refinamiento del modelo. Se parte de un modelo saturado (las hipótesis) y se eliminan los términos insignificantes para determinar un modelo razonable.
Estoy confundido por tu consulta; " Me pregunto si el bloqueo resulta significativo, ¿hay alguna razón para volver a agregarlo al modelo como un efecto aleatorio o simplemente puedes omitirlo por completo?"
Si el bloque es significativo, significa que existen factores de ruido que se confunden con el bloque de interés. Se puede desagregar el bloque para determinar cuáles son esos factores específicos y luego decidir cómo gestionarlos, o bien iterar para ser robusto a ellos. No conviene un modelo con efecto de bloque, ya que esto no tiene sentido (no se puede gestionar el bloque).
A continuación te presentamos un artículo que quizás te interese leer:
Sanders, D., Leitnaker M. y McLean R. (2002) “ Diseños de bloques completos aleatorios en estudios industriales ” , Quality Engineering, vol. 14, número 1
Re: Si ajusta un bloque como efecto fijo en un modelo saturado y su efecto no es significativo después de reducirlo mediante regresión escalonada, ¿necesita volver a agregarlo al modelo?Hola @mjz5448 ,
No he visto el vídeo (todavía), pero creo que el punto de vista de Phil puede ser más matizado que este resumen.
Tengo sentimientos encontrados (sin juego de palabras) sobre este posible enfoque.
La decisión de tener un efecto de bloqueo fijo o aleatorio se conoce antes del análisis, dependiendo de cómo se considere este factor de bloqueo: si el nivel es reproducible o si los niveles son los únicos de interés, se puede tratar como un efecto de bloqueo fijo, lo que afectará la media de la respuesta (sesgo). Si los niveles son una muestra de una población mayor o si no se está realmente interesado en estos dos (o más) niveles particulares, sino en la variación a lo largo de la población, se puede tratar como un efecto aleatorio, lo que afectará la varianza de la respuesta.
En cuanto a su pregunta específica, creo que se refiere al caso de un efecto de bloque aleatorio insignificante. Este efecto captura parte de la variación debida al efecto de bloque, por lo que eliminarlo aumentaría la varianza no explicada de sus experimentos, lo que resultaría en estimaciones de efectos fijos menos precisas y valores p más altos. Incluso si no fuera estadísticamente significativo, no eliminaría el efecto aleatorio del modelo, ya que es esencial para capturar parte del ruido experimental (variación diaria, variabilidad del equipo, etc.).
Espero que esto aclare el uso del efecto de bloque aleatorio.Re: Si ajusta un bloque como efecto fijo en un modelo saturado y su efecto no es significativo después de reducirlo mediante regresión escalonada, ¿necesita volver a agregarlo al modelo?
Perdón por la confusión. Quería decir:
"Me pregunto si"El bloque NO resulta significativo, ¿hay alguna razón para volver a agregarlo al modelo como un efecto aleatorio, o puedes simplemente omitirlo por completo?"
¿Qué quieres decir con "desagregar el bloque"?
Re: Si ajusta un bloque como efecto fijo en un modelo saturado, y su efecto no es significativo después de reducirlo mediante regresión escalonada, ¿necesita volver a agregarlo al modelo?Hola Víctor,
Tienes razón, quería preguntar qué hacer si el bloqueo no es significativo. Disculpa la confusión.
Entonces, incluso si el bloque aleatorio no es significativo, ¿normalmente se mantiene en el modelo? ¿Acaso el hecho de que no sea significativo no significa que el ruido aleatorio no es demasiado grande? Me pregunto si es apropiado ajustar modelos con y sin el efecto de bloque y comparar el error.
Re: Si ajusta un bloque como efecto fijo en un modelo saturado, y su efecto no es significativo después de reducirlo mediante regresión escalonada, ¿necesita volver a agregarlo al modelo?El bloque, al igual que cualquier otro término del modelo, si se considera insignificante, tanto desde el punto de vista práctico como estadístico, puede eliminarse. Por supuesto, todos los términos eliminados se incluirán en el error experimental, lo que afecta a los valores p (probablemente aumentarán a medida que el MSE disminuya).
Si el bloqueo es significativo, deberá determinar cuáles de los muchos factores de ruido que posiblemente se confundan con el bloqueo están activos. A esto lo llamo desagregar el bloqueo.
Re: Si ajusta un bloque como efecto fijo en un modelo saturado, y su efecto no es significativo después de reducirlo mediante regresión escalonada, ¿necesita volver a agregarlo al modelo?Estoy de acuerdo con @Victor_G respecto a dejar tu bloque aleatorio. Si decides tratar el bloque como fijo, podrías ajustarlo con y sin el bloque y comparar las estimaciones de otros parámetros de interés para demostrar si la inclusión o exclusión del factor de bloqueo sesga estas otras estimaciones, y de qué manera.
Si se considera el bloque como aleatorio y se ajusta con y sin él, y se compara el error, en la mayoría de los casos, el modelo con el bloque tendrá menos error, ya que la inclusión del factor de bloqueo "absorbe" parte de la varianza inexplicable. Digo "en la mayoría" porque creo que una estimación negativa del componente de varianza tendría el efecto contrario, pero no estoy completamente seguro.
Re: Si ajusta un bloque como efecto fijo en un modelo saturado, y su efecto no es significativo después de reducirlo mediante regresión escalonada, ¿necesita volver a agregarlo al modelo?Para tu información, Víctor: Phil respondió a mi pregunta en su blog y también sugirió dejar el efecto de bloque aleatorio en el modelo, incluso si no es significativo.
