実験回数を減らすための（カスタム）スクリーニング設計の改善JMPコミュニティの皆様
生化学反応（酵素アッセイ）の特性評価と最適化を行いたいと考えています。そのため、まずスクリーニングを実施し、関連因子を探索する予定です。現時点では、8つの因子（2水準カテゴリカル因子×2、3水準カテゴリカル因子×1、連続因子×5）をスクリーニングすることにしました。
古典的な2水準スクリーニングには精通していますが、カスタムデザインを使ったことはありません。問題は3水準のカテゴリカル因子です。カスタムデザインを選んだ理由もそこにあるのですが、必要な実験数が大幅に増えるようです。主効果だけで約20件、主効果と2因子交互作用（各因子の検出力は0.8以上）で50件以上の実験が必要になります。
妥協点を見つけるための別の選択肢はありますか？事前テストで3段階のカテゴリ因子の1段階を削除し、今のところは主効果のみに焦点を当てるか、テストの検出力を下げて対処することを考えました。
どうもありがとうございます！
（JMPバージョン：学生版18）
実験計画法実験回数を減らすための（カスタム）スクリーニング設計の改善についてもちろん、状況に関する情報（例えば、応答変数、因子など）がほとんど提供されていないため、具体的なアドバイスをすることは不可能です。最初の質問は、なぜ3水準のカテゴリカルなのかということです（これもあなたの質問のようですね）。2水準以上を選択する際は、（自分自身に）「勝者を選ぼう」としているのか、それともさらなる研究のために因子効果に興味があるのか、という疑問を抱いています。3水準のうち、極端な2水準を選んで、その因子の効果を明らかにすることはできますか？事前テストは行わない方が良いでしょう。なぜなら、潜在的な交互作用効果（推論空間の問題）を考慮すると、そこから得られる結論は「最善」ではない可能性があるからです。ある程度、研究を3水準因子（より多くの自由度）に偏らせているのに、なぜカテゴリカル因子に2次効果を推定するのでしょうか…無意味です。極端な2水準でテストしてください。もしそれが有意であれば、後続の実験で水準を微調整してください。
私からのアドバイス：複数の選択肢を設計し（JMPを使えば簡単です）、それぞれの選択肢について検討してください。何が得られるでしょうか？（例：どのような効果が推定できるでしょうか？どの効果が交絡しているでしょうか？どの効果が研究に含まれていないでしょうか？）それぞれの選択肢に必要なリソースは？得られる知識の可能性と必要なリソースを比較してください。得られると予想される結果だけでなく、すべての可能性のある結果を予測してください。それぞれの可能性のある結果に対して、何をするかを予測してください。この思考プロセスに基づいて、実験を選択し、実行してください。分析し、繰り返してください。
「最高のデザインは、実際に実行した後にデザインするものです。」ロス
正しい設計は誰にもわかりません...もし知っていたとしても、おそらくそれを実行する必要はありません。
ちなみに、検出力の計算では、応答の分散について実際に知っていることを前提としています。あなたは知っていますか？
実験回数を減らすための（カスタム）スクリーニング設計の改善について親愛なる@statman様、
ありがとうございます！もちろん、もっと詳しい情報を提供できますよ。
酵素活性は私の応答変数であり、基本的には反応がどれだけうまく進んでいるかを意味します。
すべての要因は反応に影響を与えるパラメータです。
- 高レベルと低レベルの連続5回：pH、温度、成分A、B、Cの濃度
- 1x 2レベルカテゴリ：コンポーネントAのタイプ（レベル：タイプA.1またはA.2）
- 1x 3レベルカテゴリ：コンポーネントBのタイプ（レベル：タイプB.1、B.2、またはB.3）
- 1x 2レベルカテゴリ：別のコンポーネントDの存在（レベル：はい、いいえ）
これが理解できることを願います。
そこで、3段階のカテゴリ因子を選択しました。これは、コンポーネントBの3つのタイプすべてを確認する必要があるためです。コンポーネントBのタイプがそもそも関連しているかどうか、そして効果をより詳細に調査するためにどのタイプ（「勝者」）を選択するかに関する情報を得たいと考えています。さらに、コンポーネントAとBの濃度の影響を特定したいため、タイプについてはカテゴリ因子、濃度については連続因子を選択しました。
わかりました。複数の選択肢を設計して結果を比較します。はい、実験的に応答の分散を決定することができました。
実験回数を減らすための（カスタム）スクリーニング設計の改善についてある成分（例えばA、B、C）の濃度を変えると、別の成分の濃度に影響が出るでしょうか？もしそうなら、混合実験が必要になるかもしれません。繰り返しになりますが、最初の投稿で提案されているように、最初の実験戦略はスクリーニングです。Bの変数をさらに研究する必要があるかどうかを判断するために、すべての濃度を試験する必要はありません。スクリーニング段階では、3つの濃度の両極値を検討してください。
実験回数を減らすための（カスタム）スクリーニング設計の改善についていいえ、ある成分の濃度を変えても他の成分の濃度には影響しません。成分Bについてですが、極端な値はありません。レベルは単にBの種類の違いであり、「順位付け」することはできません。
ありがとう！
実験回数を減らすための（カスタム）スクリーニング設計の改善についてでは、どのレベルが最適で、どのレベルが最悪かについての仮説 (または予測) はないのですか?...おそらく、実験の前に、この要因とさまざまなレベルの理論的な化学的/物理的メカニズムを研究する必要があるのではないでしょうか?
実験回数を減らすための（カスタム）スクリーニング設計の改善についてこんにちは@CurseOfCluster6 さん、
コミュニティへようこそ！
私はあなたの状況と可能な選択肢について、異なるが補完的な回答を提供するためにあなたのトピックに答えたいと思いました。
- まず、3 レベルのカテゴリ係数に関しては、スクリーニング段階にある場合は、 @statmanと同様に、最も異なるタイプのコンポーネント B のみを保持して、レベル数を 2 に減らすことをお勧めします (可能であれば)。
レベルを区別するのに役立つ予備試験は既に実施されていますか？それとも、これらの成分は、化学的／物理的パラメータ、分子記述子などに基づいて、最も類似性の低い2つの成分を選択するために特性評価されているのでしょうか？3つのレベルのシナリオでは、2つのレベルが類似し、応答に同様の影響を与えることがよくあります。応答に大きく異なる影響を与える3つのレベルを見つけることは非常に稀です。レベル数を2に減らす能力に応じて、設計オプションは多かれ少なかれ変化する可能性があります。
- 因子と水準、そしてスクリーニングの目的（主効果の推定に重点を置く）に関して、推定すべき項は9つ（カテゴリ因子の3水準を維持する場合は10つ）あります。実験予算と、結果に求める信頼性と確実性の度合いに応じて、スクリーニング設計では最低10から20（あるいはそれ以上）の実験を実行する選択肢が提供されます。
- 検討すべきデザインの可能性をいくつか示します。
特定のパワーに到達する必要性に関して言えば、パワーが意味を持つのは次のような場合のみです。
- 検出する必要がある信号の大きさがわかっている
- 実験および応答測定ノイズ（RMSE）の良好な推定値が得られます
それ以外の場合は、設計間で電力 (およびその他の設計診断) を比較して使用することが最適な場合があります。
権力に関する質問に関連する投稿をいくつか紹介します。
DOE で検出力分析を考慮する必要がありますか?
雌鹿とパワー
検出力は、あなたの計画で利用可能な指標と診断の一つに過ぎません。 相関のカラーマップを見て計画を比較し、どの効果が相関し、エイリアス化されているかを把握し、 推定効率が最も高く、予測分散が最も低く（ 計画空間割合プロットと予測分散プロファイル）、D-最適性計画診断が最も優れた計画を見つけることを強くお勧めします。
この回答がお役に立てれば幸いです。
実験回数を減らすための（カスタム）スクリーニング設計の改善について親愛なるビクターG様、
詳しいご回答誠にありがとうございます！
@statmanも示唆しているように、理論的な特性に基づいて、3 レベルのカテゴリ因子の 1 つのレベルを削除してみます。
これがうまくいけば、混合モデルは非常に興味深い解決策のように思われ、あなたが言及した診断変数に基づいて複数のバリアントを比較しようとします。
実験回数を減らすための（カスタム）スクリーニング設計の改善について既に投稿されている素晴らしい情報に、もう一つ質問があります。カテゴリカルな2水準因子の一つが「はい」と「いいえ」です。これを連続的な因子にして、低水準をゼロ、高水準を「はい」水準にするのはどうでしょうか？
実験回数を減らすための（カスタム）スクリーニング設計の改善について@louvさん、この提案に全面的に賛成です！「はい/いいえ」のカテゴリ因子は、水準0と（最大値）を持つ連続因子に変更できます。混合水準スクリーニング設計（または同様の設計アプローチ）では、因子タイプの変更は情報量の向上につながります。この種の設計で連続因子を使用すると、カテゴリ因子と同様に主効果を推定できるだけでなく、交互作用効果や二次効果（これらの効果が十分に大きい場合）も検出できるからです。
化学種／分子を含むカテゴリカル因子、例えば成分AとBの異なる化学特性に関する因子の場合でも、カテゴリカル空間（異なる分子、触媒化学物質の種類など）から連続空間（分子記述子、物理的／化学的特性など）に移行する方法は数多くあります。このオプションについては、こちらで議論されています。
1 つのマルチレベル (3+) カテゴリ変数と多数の連続変数の効率的な DOE については、次の講演で説明されています。
これらの提案がさらに役立つことを願っています。
実験回数を減らすための（カスタム）スクリーニング設計の改善についてはい、良い提案ですね。だからこそ、実験（状況診断）の前に具体的な状況を理解する必要があるのです。そして、化合物の話に戻りますが…それらの化合物の本当の違いは何でしょうか？それらは化合物なのでしょうか？特定の化学物質の比率や割合を実験していると考えると良いかもしれません。どの化学物質が活性であると仮定しますか？…このように質問は続きます。
