Blocs fixes dans une conception personnaliséeBonjour
Je souhaite générer des blocs fixes dans un plan d'expérience personnalisé. En pratique, il arrive souvent que les mêmes essais expérimentaux ne soient pas répétés au sein de ces blocs (les facteurs sont identiques, mais leurs niveaux diffèrent), ce qui signifie que différentes configurations de facteurs peuvent apparaître à l'intérieur des blocs.
De plus, les blocs peuvent présenter des corrélations entre eux et, par exemple, avec les effets principaux. Par conséquent, il me semble difficile d'évaluer précisément les effets de bloc. Un effet de bloc est-il réellement un effet de bloc, ou est-il simplement induit, par exemple, par une corrélation relativement élevée avec un effet principal significatif, ou par différents niveaux de facteurs au sein des blocs ?
Salutations
Klaus
Conception des expériencesRe: Blocs fixes dans une conception personnaliséeVous pouvez considérer le bloc comme une restriction des unités expérimentales. Il ne s'agit pas d'un facteur d'intérêt, mais d'une source supplémentaire de variation observée dans la réponse. Vous pouvez traiter l'effet des blocs comme fixe ou aléatoire dans le modèle linéaire. Je ne comprends pas bien ce que vous entendez par « difficulté à évaluer clairement les effets des blocs ».
Re: Blocs fixes dans une conception personnaliséePour compléter les propos de Mark : un bloc sert généralement de substitut à un ensemble de variables parasites. Le bruit correspond à des facteurs que vous ne souhaitez ou ne pouvez pas contrôler ultérieurement (par exemple, la variation des matières premières, les conditions environnementales, la technique de l'opérateur, les erreurs de mesure). Lors d'une étude par blocs, vous répliquez des combinaisons de traitements identiques dans chaque bloc. La variation observée entre les réplicats est nécessairement due au bruit, puisque les facteurs et leurs niveaux sont restés constants. Si les variables parasites n'ont pas été identifiées et ne peuvent donc pas être manipulées explicitement pendant l'expérience, le bloc est généralement considéré comme un effet aléatoire dans le modèle, ce qui donne un modèle mixte. Si vous avez identifié les facteurs parasites confondus avec les blocs, il est recommandé de traiter le bloc comme un effet fixe. Dans ce cas, vous ajouterez l'effet bloc et toutes les interactions bloc × facteur au modèle, ce qui donnera un modèle à effets fixes.
Votre situation est toutefois différente. D'après votre description, il me semble que vous souhaitez imbriquer des combinaisons de traitements au sein de blocs. Ce faisant, vous risquez de confondre les effets des blocs avec les variations des niveaux des facteurs. Cela ne vous paraît pas judicieux.
Re: Blocs fixes dans une conception personnaliséeSalut @NominalGemsbok3 ,
Outre les excellents commentaires et réponses apportés par Mark et Bill, voici quelques informations complémentaires de ma part.
La décision d'avoir un effet de bloc fixe ou aléatoire est prise avant l'analyse, selon la façon dont on considère ce facteur de blocage :
- Si les niveaux peuvent être reproduits ou si les niveaux spécifiés sont les seuls qui présentent un intérêt (par exemple dans le cas de sources de bruit identifiées comme mentionné par Bill), alors vous pouvez le traiter comme un effet de bloc fixe et il affectera la moyenne de la réponse (biais).
- Si les niveaux sont un échantillon d'une population plus large ou si vous ne vous intéressez pas vraiment à ces deux (ou plus) niveaux particuliers (ou si les sources de bruit n'ont pas été identifiées), mais à la variation au sein de la population, alors traitez-les comme un effet aléatoire et cela affectera la variance de la réponse.
Pour créer des blocs fixes dans un plan d'expérience, ajoutez un facteur de blocage dans le panneau Facteurs et spécifiez le nombre d'essais par bloc. JMP crée alors automatiquement des blocs avec les propriétés de colonne de facteur appropriées : Ordre des valeurs, Essais par bloc, Rôle dans le plan (Blocage) et Modifications du facteur (Faciles). Ces propriétés permettent à JMP d'évaluer le rôle de ce facteur lors de la modélisation des résultats. Lors de l'utilisation du script Ajuster le modèle, le facteur de blocage fixe apparaît dans le panneau Effets du modèle comme un effet fixe, au même titre que vos autres facteurs.
Des blocs sont créés afin d'éviter les corrélations entre l'effet de bloc et les effets du modèle qui vous intéressent. Dans la mesure du possible, ils sont conçus de manière à ce que l'effet de bloc soit orthogonal (absence de corrélations) aux effets de votre modèle. Si cela s'avère impossible, les corrélations seront néanmoins minimisées afin d'éviter toute confusion entre l'influence de l'effet de bloc et celle d'autres facteurs. Dans certaines situations (notamment en cas de budget expérimental limité), de faibles corrélations peuvent apparaître entre l'effet de bloc et d'autres effets du modèle ; toutefois, ces corrélations sont généralement très faibles et ne constituent donc pas un obstacle à l'analyse, car il reste possible de distinguer l'effet de bloc des autres effets.
Enfin, il est possible que les expériences ne soient pas exactement identiques dans chaque bloc (les paramètres des facteurs peuvent donc différer, comme vous l'avez mentionné), mais la répartition des traitements est effectuée de manière à éviter tout biais lié aux niveaux des facteurs utilisés dans chaque bloc : les niveaux des facteurs seront (autant que possible) équilibrés entre les blocs, de sorte que vous aurez un nombre similaire d'essais avec des niveaux élevés et faibles pour chaque facteur dans chaque bloc. Ceci garantit que l'effet de bloc ne soit pas corrélé avec d'autres effets du modèle.
Avez-vous des données ou un ensemble de données que nous pourrions examiner pour mieux répondre à vos questions et préoccupations ?
