레코딩 실험가 클럽 2026년 2분기_최고의 모델 하나를 넘어서: DSD가 실제로 알려줄 수 있는 것영상 1: 도전 과제 - 최고의 모델 하나를 넘어서: DSD가 실제로 알려줄 수 있는 것
실험가 클럽의 2분기 모임에서는 조지 박스의 유명한 명언인 "모든 모델은 틀렸지만, 어떤 모델은 유용하다"에 대한 활발한 토론이 펼쳐졌습니다.
이 하면서 시작되었습니다. 이후 이어진 심도 있는 논의는 진정한 문제는 , 여러 그럴듯한 모델이 공존하는 설계 공간을 어떻게 해석해야 하는지에 있다는 것을 보여주었습니다.
커뮤니티 질문:https://community.jmp.com/t5/Discussions/quot-Surprising-quot-results-in-an-DSD-Design/td-p/941518
Victor의 LinkedIn 게시물:https://www.linkedin.com/posts/victorguiller_experimentersclub-designofexperiments-share-7453440558682894336-j7Ki?utm_source=share&utm_medium=member_desktop&rcm=ACoAAAg2XG8BduAUlMeluDXcuMFV-P_Hxv1KA0k
영상 2: 토론
이번 대화에서는 실행 횟수가 제한된 DSD(분산 설계)에서는 구조적 절충 없이 모든 주효과, 상호작용 효과, 이차 효과를 동시에 추정하는 것이 불가능하다는 점이 강조되었습니다. 결과적으로 부분적 에일리어싱, 다중공선성, 모델 다중성은 실패의 징후라기보다는 문제의 자연스러운 특징입니다.
논의에서는 R², 조정 R², AICc, BIC, RMSE와 같은 다양한 추정 방법과 선택 기준이 서로 다르지만 여전히 타당한 모델을 도출할 수 있다는 점을 강조했습니다.
핵심은 실험자들이 단지 가장 적합한 단일 모델을 찾는 데만 집중해서는 안 된다는 것입니다. 오히려 여러 유력한 후보 모델을 비교하고, 우수한 모델들에서 일관되게 나타나는 효과를 찾고, 효과 계층 구조와 도메인 지식을 적용하고, 확인이 필요할 때 데이터 증강을 고려해야 합니다.
그런 의미에서 설계 과정은 예상치 못한 결과에 반응하는 것보다는 실제 실험 작업에서 체계적인 모델 판단을 내리는 것에 더 중점을 두게 됩니다.
제목: 실험가 클럽 2026년 2분기 녹음 관련_최고의 모델 하나를 넘어서: DSD가 실제로 알려줄 수 있는 것녹화해 주신 @maria_astals 님 감사합니다!
다음은 실험계획법(DoE)에서 래스터 플롯을 생성하는 자세한 과정입니다.
- 핏 모델 플랫폼으로 이동하거나(또는 DoE 표에서 스크립트 모델을 클릭), 가정 모델의 응답 및 항을 지정하고(해당 패널이 이미 채워져 있지 않은 경우) 성격 단계별 분석 을 선택합니다. 실행을 클릭합니다.
-
단계별 적합 옆에 있는 빨간색 삼각형을 클릭하고 모든 가능한 모델을 선택한 다음, 모델에 포함될 수 있는 최대 항의 개수와 표시할 최적 모델의 개수를 정의합니다. 상호작용이 하위 차수 효과를 의미하는 모델로 제한(유전 제한) 옵션을 선택합니다. 확인을 클릭합니다.
-
계산이 완료되면 보고서에 '모든 모델 가능'이라는 새 표가 나타납니다. 이 표를 마우스 오른쪽 버튼으로 클릭하고 '데이터 결합 표 만들기' 옵션을 선택합니다. 그러면 Stepwise 플랫폼의 결과가 포함된 새 표가 열립니다.
- 각 모델을 개별적으로 식별하고 성능을 추적하기 위해 새 테이블에 모델 ID 열을 추가합니다. 이렇게 하려면 테이블의 첫 번째 열을 마우스 오른쪽 버튼으로 클릭하고 새 수식 열 > 행 > 행을 선택합니다. 그러면 각 모델에 "행"이라는 새 열에 고유 ID가 부여됩니다. 모델링 유형을 명목형으로 변경합니다.
- "모델" 열을 선택하고 데이터 테이블 왼쪽 상단에 있는 빨간색 삼각형을 클릭하거나 메뉴에서 "열"을 클릭한 다음, "유틸리티" > "텍스트를 열로"를 선택합니다. 구분 기호를 ","로 정의하고 "표시자 열 만들기 " 옵션을 선택합니다.
- 메뉴에서 [테이블] > [스택]을 클릭합니다. 새 지표 열을 모두 선택하고 [열 스택]을 클릭합니다. [레이블] 열의 이름을 "용어"로, [데이터] 열의 이름을 "존재 여부"로 변경할 수 있습니다. [확인]을 클릭합니다.
- You can then add some formula column (or using the Recode option) to identify which terms are main effects, interaction effect or quadratic effects to prepare the plot. With the example Bounce Data, I used a formula column when recoding:
Map Value(
:Terms,
{"Silane", "Main effect", "Silane*Silane", "Quadratic effect", "Silica",
"Main effect", "Silica*Silane", "Interaction effect", "Silica*Silica",
"Quadratic effect", "Silica*Sulfur", "Interaction effect", "Sulfur",
"Main effect", "Sulfur*Silane", "Interaction effect", "Sulfur*Sulfur",
"Quadratic effect"},
Unmatched( :Terms )
)
- 모델의 항들이 주효과, 상호작용 효과, 이차 효과 순으로 표시되도록 '항 유형' 열에 '값 순서 ' 속성을 추가합니다.
- 그런 다음 그래프 빌더를 사용하여 래스터 플롯을 만들 수 있습니다!
- "행"(또는 모델 ID 열)을 Y 변수로 사용하십시오.
- "Terms"를 X 변수로 사용하세요.
- "용어 유형"을 중첩 X 변수로 추가합니다(X 아래 위치에).
- 그래프 스타일을 "히트맵"으로 변경하세요.
- 모델 성능 지표 중 하나(예: RMSE)를 색상 변수로 사용하고 적절한 색상 테마(예: 녹색에서 빨간색)를 선택하세요.
- Y 변수를 마우스 오른쪽 버튼으로 클릭하고 '정렬 기준'을 선택한 다음 성능 지표를 선택합니다(AICc, BIC 및 RMSE의 경우 오름차순, Rsquare의 경우 내림차순).
- "존재 여부" 열에 로컬 데이터 필터를 추가하고 0과 다른 값만 선택합니다(1: 해당 용어가 모델에 존재함).
- 성능 지표 값의 범위를 필터링/축소하여 표시되는 모델 수에 대한 필터를 추가할 수도 있습니다.
- 모든 설정이 완료되면 [완료]를 클릭하세요. 래스터 플롯이 준비되었습니다!
보시다시피, 래스터 플롯을 생성하는 데에는 여러 가지 작업이 필요합니다. 저는 이 과정을 자동화하여 멋진 시각화를 얻기 위해 필요한 수동 작업(그리고 고된 작업!)을 줄이는 애드인을 만들 계획입니다. 이 애드인 개발에 참여하고 도움을 주실 분이 있다면 언제든 환영합니다!
