Wie erstellt man ein Kovariaten-DOE mit Stichprobenziehung auf verschiedenen Stufen einer kategorialen Variable?Im Anhang befindet sich ein Datensatz mit 500 Kombinationen von X1 und X2; 17 davon sind in 17 Kategorien gruppiert.
Wie kann man mit den Kovariaten X1 und X2 ein 5x17 = 85-stufiges Kovariaten-DOE generieren, sodass aus jedem Cluster/jeder Kategorie 5 Stichproben ausgewählt werden?
VersuchsplanungBetreff: Wie erstellt man ein Kovariaten-DOE mit Stichprobenziehung auf verschiedenen Stufen einer kategorialen Variable?Ich muss Cluster wohl so gestalten, dass Änderungen schwer möglich sind?
Betreff: Wie erstellt man ein Kovariaten-DOE mit Stichprobenziehung auf verschiedenen Stufen einer kategorialen Variable?Hallo @frankderuyck ,
Sind 5 Stichproben pro Cluster eine notwendige Bedingung?
Es scheint, dass sich Ihre Cluster anhand der X1-X2-Koordinaten leicht trennen lassen, und die Anzahl der Stichproben pro Cluster kann zwischen 16 und 60 variieren. Daher wäre möglicherweise eine adaptive Stichprobenziehung, die sich nur auf die kontinuierlichen Koordinaten stützt, ausreichend. Die Darstellung der Clusterpunkte im experimentellen X1-X2-Raum erinnert mich an den Clustering-Prozess des Fast Flexible-Algorithmus (den ich in diesem Blogbeitrag beschrieben habe):
Daher habe ich einen einfacheren Weg versucht, ohne die Bedingung 5 Stichproben/Cluster, um mithilfe des Fast Flexible-Algorithmus einige Experimente gleichmäßig im experimentellen Raum der Kovariaten X1-X2 zu verteilen:
- Öffnen Sie die Plattform Raumfüllende Designs .
- Klicken Sie im roten Dreieck auf „Lastdesign“ und wählen Sie Ihre X1- und X2-Kovariaten aus.
- Geben Sie eine Anzahl von Durchläufen in Höhe von 85 an und klicken Sie auf Schnelles flexibles Design.
- Sobald das Design erstellt ist, verwenden Sie Join-Tabellen, um die Clusternummer der ausgewählten Stichproben im Design zu erhalten.
Sie erhalten eine gute Abdeckung Ihres Kovariatenraums, allerdings mit einer anderen Stichprobenziehung als Sie es sich vorgestellt haben:
Die Anzahl der Proben pro Cluster variiert zwischen 3 und 9, was je nach Ihren Zielen akzeptabel sein kann.
So sehen die ausgewählten Punkte (Rauten) im ursprünglichen vollständigen Kovariaten-Datensatz aus:
Anbei finden Sie den erstellten Entwurf.
Betreff: Wie erstellt man ein Kovariaten-DOE mit Stichprobenziehung auf verschiedenen Stufen einer kategorialen Variable?@frankderuyck Ich habe auch überlegt, schwer veränderbare Faktoren zu verwenden, um genau 5 Stichproben pro Cluster zu erhalten. Da die X1-X2-Koordinaten jedoch direkt mit den Clustern verknüpft sind und sich in derselben Kovariatentabelle befinden, sind entweder alle oder keine der Kovariatenfaktoren als „schwer veränderbar“ gekennzeichnet. Dies verhindert die gewünschte hierarchische Struktur (5 Stichproben pro Cluster und eine gute Verteilung der X1-X2-Koordinaten innerhalb jedes Clusters). Mit schwer veränderbaren Kovariatenfaktoren erhält man 5 mal eine Stichprobe pro Cluster.
Mithilfe der Plattform für benutzerdefiniertes Design können Sie durch einfaches Auswählen der Kovariatenfaktoren und deren Eingabe als „Leicht änderbar“ sowie durch Festlegen eines Haupteffekt- + Interaktionsmodells mit einer Laufgröße von 85 ein Design erhalten, das Ihren Anforderungen möglichst nahe kommt:
- Insgesamt 85 Läufe
- 4 bis 6 Proben pro Cluster
- Alle 17 Cluster sind im Design vorhanden.
Die Verteilung der Läufe im Versuchsraum ist im Vergleich zu einem raumfüllenden Versuchsdesign weniger homogen:
Bitte beachten Sie die beigefügte Alternative.
Betreff: Wie erstellt man ein Kovariaten-DOE mit Stichprobenziehung auf verschiedenen Stufen einer kategorialen Variable?Danke, Victor! Ich werde beides ausprobieren.
Betreff: Wie erstellt man ein Kovariaten-DOE mit Stichprobenziehung auf verschiedenen Stufen einer kategorialen Variable?Mithilfe hierarchischer Clusteranalyse reduzierte ich die Anzahl der Cluster auf 8 (17 sind zu viele) und versuchte, 6 Einheiten pro Cluster zu untersuchen. Mich interessiert die Variation nicht nur zwischen, sondern auch innerhalb der Cluster. Die benutzerdefinierte DOE-Methode ermöglicht eine homogenere Stichprobenziehung über alle Cluster hinweg. Ich habe ein einfaches Interaktionsmodell ohne X*Cluster-Interaktionen spezifiziert.
Betreff: Wie erstellt man ein Kovariaten-DOE mit Stichprobenziehung auf verschiedenen Stufen einer kategorialen Variable?Das ist eine gute Idee. Dadurch wird die Bildung einzelner Cluster mit wenigen Stichproben vermieden und die Anzahl der Stichproben pro Cluster im Versuchsaufbau sollte ausgeglichen werden.
Die X*Cluster-Interaktionen fügen dem Modell keine zusätzlichen Informationen hinzu (da sowohl X- als auch Clusterinformationen enthalten sind, kommt es zu einer Informationswiederholung), da die Cluster bereits von X abhängen. Daher ist bei der Modellierung einer Antwort mit einem Modell, das X, Cluster und X*Cluster-Interaktionen enthält, mit Multikollinearität zu rechnen.
Betreff: Wie erstellt man ein Kovariaten-DOE mit Stichprobenziehung auf verschiedenen Stufen einer kategorialen Variable?Da hast du recht, Victor; also schlägst du für die Kovariatenauswahl im DOE-Kovariatenmodell vor, nur 1 Faktor einzubeziehen: X1 oder X2 oder Cluster?
Betreff: Wie erstellt man ein Kovariaten-DOE mit Stichprobenziehung auf verschiedenen Stufen einer kategorialen Variable?Im Kovariatenmodell können Sie entweder das Koordinatensystem mit den Faktoren X1 und X2 oder den Faktor Cluster verwenden. Beide Systeme repräsentieren dieselben Informationen, jedoch mit unterschiedlicher Granularität/Detailgenauigkeit für verschiedene Ziele und Anwendungsbereiche. Je nach Thema und Zielsetzung haben Sie möglicherweise bereits eine Vorstellung davon, welches Faktorensystem (X1+X2 oder Cluster) am interessantesten ist.
Ich würde zunächst X1 und X2 als Faktoren bevorzugen, da sie die präzisesten (kontinuierlichen) Faktoren darstellen und im Modell weniger Freiheitsgrade benötigen als der kategoriale Faktor Cluster mit acht Stufen (7 Freiheitsgrade gegenüber 5 Freiheitsgraden für Haupteffekte, Interaktion und quadratische Effekte der kontinuierlichen Faktoren X1 und X2). Sie können jederzeit von den Koordinaten zu den Clustern wechseln, wenn Sie ein Optimum oder etwas Interessantes finden oder die Clusterinformationen zu Erklärungszwecken benötigen. Umgekehrt gilt dies nicht: Sie haben nur dann einen Bereich für weitere Untersuchungen mit den Koordinaten, wenn Sie mit Ihrem Modell ein oder mehrere interessante Cluster gefunden haben.
Ich hoffe, diese Antwort hilft Ihnen.
