928435_de-DE

liliconcom

Versuchsplanung mit nominaler Eingangsvariable

Wir haben drei Faktoren und eine Zielvariable.
Faktor 1 hat 2 Stufen, Faktor 2 hat 2 Stufen und Faktor 3 hat 3 Stufen. Alle Faktoren sind nominale Variablen, die Zielvariable ist numerisch. Gemäß dem Versuchsplan wurden 12 Experimente durchgeführt, die alle möglichen Faktor-Stufen-Kombinationen abdecken.

Ich habe bereits eine SLS-Analyse einschließlich Zwei-Faktor-Kombinationen durchgeführt. Gibt es weitere statistische Tests, die angewendet werden könnten? Gibt es beispielsweise eine Methode, mit der sich die kombinierten Effekte mehrerer Faktoren testen lassen? Gibt es eine Möglichkeit, diese Effekte zu visualisieren?

Vielen Dank im Voraus!

Grundlagen der Datenanalyse und ModellierungBetreff: Versuchsplanung mit nominaler Eingangsvariable

Meinen Sie mit nominalen Variablen kategoriale Variablen? Da Ihre Daten mittels Versuchsplanung (DOE) erhoben wurden, sollten Sie bereits ein Modell im Kopf haben. Es ist viel einfacher, Kommentare abzugeben, wenn Sie Ihre Datentabelle (anonymisiert) beifügen. Anscheinend haben Sie eine faktorielle Studie ohne Replikation durchgeführt. Die erste Analyse sollte praxisorientiert sein. Variierte die Zielvariable ausreichend, um diese Variation zuzuordnen? Falls ja, sollten Sie den Datensatz auf Integrität prüfen (gab es Ausreißer?). Sie können dies erneut überprüfen, sobald Sie ein vereinfachtes Modell haben und die Residuen berechnet sind. Es lohnt sich jedoch, dies vor der quantitativen Analyse zu prüfen. Für die quantitative Analyse gibt es keine allgemeingültige Vorgehensweise. Typischerweise beginnen Sie mit der Plattform zur Modellanpassung. Sättigen Sie das Modell. Verwenden Sie Halbnormalverteilungsdiagramme für die statistische Signifikanz und Pareto-Diagramme für die Effekte der praktischen Signifikanz. Vereinfachen Sie das Modell, indem Sie uninteressante Terme entfernen (Sie können das korrigierte R², die Differenz zwischen R² und korrigiertem R² sowie den RMSE verwenden). Führen Sie die Analyse erneut durch und ermitteln Sie die Residuen (es stehen zahlreiche Diagramme zur Verfügung). Sie können nun den Vorhersageprofiler und Interaktionsdiagramme verwenden, um die Daten grafisch darzustellen.