사용자 정의 디자인의 고정 블록안녕하세요
사용자 정의 설계에서 고정 블록을 생성하고 싶습니다. 실제로 이러한 블록 내에서 동일한 실험 실행이 반복되지 않는 경우가 많습니다(요인은 같지만 요인 수준이 다름). 즉, 블록 내에서 서로 다른 요인 설정이 발생할 수 있습니다.
더욱이, 블록들은 다른 블록들과, 예를 들어 주효과와도 상관관계를 보일 수 있습니다. 따라서 블록 효과를 명확하게 평가하는 데 어려움이 있다고 생각합니다. 블록 효과가 실제로 존재하는 블록 효과인지, 아니면 예를 들어 유의미한 주효과와의 상대적으로 높은 상관관계나 블록 내의 서로 다른 요인 수준에 의해 유도된 것인지 명확하지 않습니다.
문안 인사
클라우스
실험 설계제목: 사용자 정의 디자인의 고정 블록 관련블록은 실험 단위의 제약 조건으로 간주할 수 있습니다. 블록 자체는 관심 요인이 아니라, 반응에서 관찰되는 변동의 추가적인 원인입니다. 선형 모델에서 블록 효과를 고정 효과 또는 랜덤 효과로 처리할 수 있습니다. " 블록 효과를 명확하게 평가하기 어렵다"는 말씀이 정확히 무엇을 의미하는지 잘 모르겠습니다.
제목: 사용자 지정 디자인의 고정 블록 관련마크의 의견에 덧붙이자면, 일반적으로 블록은 일련의 잡음 변수를 나타내는 대리 변수입니다. 잡음이란 향후 제어할 수 없거나 제어하고 싶지 않은 요인(예: 원자재 변동, 환경 조건, 작업자 기술, 측정 오차)을 의미합니다. 블록 설계에서는 각 블록에서 동일한 처리 조합을 반복합니다. 반복 실험 간의 변동은 요인과 수준이 변경되지 않았으므로 잡음에 의한 것으로 간주해야 합니다. 잡음 변수를 식별하지 못했거나 실험 중에 명시적으로 조작할 수 없는 경우, 블록은 일반적으로 모델에서 랜덤 효과로 간주되어 혼합 모델을 사용하게 됩니다. 잡음 요인이 블록과 관련되어 있음을 확인한 경우에는 블록을 고정 효과로 처리하는 것이 좋습니다. 블록을 고정 효과로 처리하는 경우, 모델에 블록과 모든 블록-요인 상호작용 항을 추가하여 고정 효과 모델을 구성하게 됩니다.
하지만 당신의 상황은 다릅니다. 당신이 설명한 내용을 보면 블록 내에 처리 조합을 중첩시키려는 것 같습니다. 이렇게 하면 블록 효과와 요인 수준의 변화가 혼동될 수 있습니다. 이는 현명해 보이지 않습니다.
제목: 사용자 지정 디자인의 고정 블록 관련안녕하세요 @NominalGemsbok3 님 ,
마크와 빌이 제공해주신 훌륭한 의견과 답변 외에도, 제가 추가로 알려드릴 정보가 있습니다.
고정 블록 효과를 적용할지, 임의 블록 효과를 적용할지는 분석 전에 결정되며, 이는 블록화 요인을 어떻게 고려하느냐에 따라 달라집니다.
- 만약 해당 레벨들이 재현 가능하거나 지정된 레벨들만이 관심 대상인 경우(예를 들어 빌이 언급한 것처럼 식별된 소음원의 경우), 이를 고정 블록 효과로 처리할 수 있으며, 이는 응답 평균(편향)에 영향을 미칩니다.
- 만약 해당 수치들이 더 큰 모집단에서 추출한 표본이거나, 이 두 개(또는 그 이상)의 특정 수치에 실제로 관심이 없는 경우(또는 잡음 발생원이 확인되지 않은 경우), 모집단 전체의 변동에 관심이 있다면, 이를 무작위 효과로 처리하면 반응 분산에 영향을 미칩니다.
설계에 고정 블록을 생성하려면 요인 패널에서 블록화 요인을 추가하고 블록당 실행 횟수를 지정할 수 있습니다. 이렇게 하면 JMP는 값 순서, 블록당 실행 횟수, 설계 역할(블록화) 및 요인 변경(간편)과 같은 적절한 요인 열 속성을 사용하여 블록을 자동으로 생성합니다. 이러한 열 속성은 JMP가 결과를 모델링할 때 해당 요인의 역할을 평가하는 데 도움이 됩니다. 모델 적합 스크립트를 사용하면 고정 블록화 요인이 다른 요인과 마찬가지로 모델 구성 효과 패널에 고정 효과로 표시되는 것을 확인할 수 있습니다.
블록은 블록 효과와 관심 있는 모델 효과 간의 상관관계를 피하기 위해 생성됩니다. 가능하면 블록 효과가 모델의 다른 효과들과 직교하도록(상관관계가 없도록) 생성됩니다. 직교성이 확보되지 않더라도 블록 효과와 다른 요인들의 영향 간의 혼동을 피하기 위해 상관관계를 최소화합니다. 경우에 따라(특히 실험 예산이 제한적인 경우) 블록 효과와 다른 모델 효과 간에 작은 상관관계가 발생할 수 있지만, 이러한 상관관계는 일반적으로 매우 낮기 때문에 분석에 큰 문제가 되지 않으며 블록 효과를 다른 효과들과 구분하는 데 어려움이 없습니다.
마지막으로, 각 블록에서 정확히 동일한 실험이 수행되지 않을 수 있습니다(따라서 말씀하신 것처럼 요인 설정이 다를 수 있습니다). 그러나 처리 재분배는 각 블록에서 사용되는 요인 수준과 관련된 편향을 방지하기 위해 수행됩니다. 즉, 요인 수준은 블록 간에 (가능한 한) 균형을 이루도록 설정되어 각 블록에서 각 요인에 대해 높은 수준과 낮은 수준으로 실행되는 횟수가 유사합니다. 이는 블록 효과가 다른 모델 효과와 상관관계가 없도록 보장합니다.
귀하의 우려 사항과 질문에 더 자세히 답변해 드릴 수 있도록 검토해 볼 만한 디자인이나 데이터 세트가 있으신가요?
