혼합 인자 + 공정 인자에 대한 올바른 모델 선택여러분 모두에게
JMP18을 사용하여 바이오매스 열분해에 대한 맞춤형 설계를 만들고 총 30개의 실험을 수행했습니다. 실험 설계는 다음과 같은 요소들로 구성되어 있습니다(스크린샷 첨부).
혼합 요인:
(1) 셀룰로오스 함량
(2) 헤미셀룰로오스 함량
(3) 리그닌 함량
(4) 회분 함량
(5) 기타(예: 단백질)
프로세스 요소:
(6) 열분해 온도
혼합 요인 (1)-(5)의 합은 100%입니다. 또한 2차 상호작용을 포함한 모든 요인 간의 상호작용도 고려했습니다.
요인 (1)~(5) 사이에 높은 다중공선성이 있습니다. 이 경우 표준 최소제곱 모형은 요인 간 다중공선성이 있는 경우 강건하지 않기 때문에 제 모형에 적합한 요인을 파악하는 데 적합하지 않다는 것을 알게 되었습니다. 어떤 모형 접근법을 선택하시겠습니까?
SAS의 Bernd Heinen이 작성한 기술 문서(첨부 파일 참조)를 바탕으로, Elastic Net 모델 방식이 요인의 다중공선성에 강건하므로 적합할 수 있다는 결론을 내렸습니다. 어떻게 생각하시나요?
귀하의 도움에 감사드립니다!
안녕하세요, Jannis
고급 통계 모델링예측 모델링 및 머신 러닝Re: 혼합 인자 + 공정 인자에 대한 올바른 모델 선택안녕하세요 @jgrafmu2 ,
혼합물 설계는 최적화 설계입니다. 즉, 수행한 실험 결과에 적용할 수 있는 가정된 모델을 기반으로 설계를 구축한 것입니다. 이 설계의 목표는 p값이나 라소(LASSO) 또는 페널티 회귀 분석법과 같은 다른 통계적 기준에 따라 모델에서 요인이나 효과를 필터링하거나 선택하는 것이 아니라, 배합 요인과 공정 매개변수를 최적화하는 데 도움이 되는 유용하고 예측 가능한 모델을 구축하는 것입니다.
혼합 요인 간에 다중공선성이 발생하는 것은 지극히 정상적인 현상입니다. 혼합 상황으로 인해 이러한 요인들 사이에는 X1+X2+X3+X4+X5 = 100%(또는 임의의 상수 값)의 관계가 설계되어 있기 때문입니다. 이러한 요인들은 독립적이지 않고 혼합 제약을 통해 연결되어 있기 때문에 어떤 분석을 선택하든 간에 다중공선성이 발생합니다.
최소제곱 모형은 절편이 없는 모형을 적합하는 경우 혼합 설계에 적합합니다. 적합 모형 시작 창의 요소 . 설계를 생성한 후 데이터 테이블에 이미 있는 "적합 모형" 스크립트를 사용하는 경우, "절편 없음" 옵션이 기본적으로 선택되어 있어야 합니다.
가정된 모델로 시작하여, 목표 및 결정 기준(RMSE를 사용한 예측 성능, AICc 및 BIC와 같은 정보 기준을 사용한 우수한 모델 복잡도, R² 및 R² 조정을 사용한 우수한 설명 성능 등)에 따라 모델을 개선할 수 있습니다. JMP 도움말 문서에서 이 예시를 참고하면 분석 진행 방법을 파악하는 데 도움이 될 수 있습니다. "분석을 사용한 혼합물 설계 예시"
다음 토론에 관심이 있으실 수도 있습니다.
혼합물 DOE에 대한 효과 요약을 효과적으로 사용하는 방법은 무엇입니까?
맞춤형 설계: 공정 변수와의 혼합. 설계를 어떻게 평가할 것인가?
혼합 공정 설계 또는 반응 표면 설계
요인의 변화 범위 차이와 '기타' 혼합 요인의 존재와 관련하여 혼합 실험을 실행하지 말아야 할 때라는 프레젠테이션도 흥미로울 수 있습니다.
귀하의 캡처로 재생성된 데이터 테이블을 첨부합니다(다음에는 JMP 테이블을 추가해 주시면 주제를 이해하고 질문에 답하기가 더 쉽습니다).
