Résultats de modélisation par parcelles divisées DOELa régression généralisée ne fonctionne pas avec les effets aléatoires tels que les facteurs de parcelle entière ; par conséquent, comme le bruit aléatoire ne peut pas être éliminé, je suppose que le genre ne peut pas être utilisé pour modéliser les résultats de la méthode DOE en parcelles divisées ?
Conception des expériencesRe: Modélisation des résultats du plan d'expériences en parcelles diviséesJe vous suggère de lire :
Box, GEP, Stephen Jones (1992), « Plans d'expériences en parcelles divisées pour une expérimentation robuste des produits », Journal de statistiques appliquées , vol. 19, n° 1
Re: Modélisation des résultats du plan d'expériences en parcelles diviséesJe ne trouve pas de version gratuite de cet article. JMP GENREG en 1992 ?
Re: Modélisation des résultats du plan d'expériences en parcelles diviséesSalut @frankderuyck ,
Vous pouvez ajuster des modèles de régression généralisée avec des effets aléatoires en choisissant le profil « Modèle linéaire mixte généralisé » lors du lancement de la plateforme « Ajuster le modèle » :
J'espère que cette réponse rapide et pratique vous sera utile.
Re: Modélisation des résultats du plan d'expériences en parcelles diviséesJe connais ce Victor, mais il ne propose pas les options de sélection avant/pénalité AICC aussi performantes que GENREG. Existe-t-il une option « Tous les sous-ensembles » pour obtenir le meilleur modèle ?
Re: Modélisation des résultats du plan d'expériences en parcelles diviséesPeut-être commencer par GENREG sans facteur d'ensemble de parcelle et sélectionner les effets les plus marqués à l'aide de « Meilleur sous-ensemble », puis revenir à Fit Mixed avec les effets les plus marqués + un élément aléatoire de l'ensemble de la parcelle ?
Re: Modélisation des résultats du plan d'expériences en parcelles diviséesNon, cette option n'est pas disponible et n'est pas recommandée dans les scénarios DOE. L'option « Tous les sous-ensembles » est davantage une méthode d'exploration de données, indépendante du modèle, pour la construction de modèles. Si vous supprimez l'intégralité du facteur de parcelle pour utiliser la plateforme GenReg, vous perdrez l'avantage de l'effet aléatoire, qui permet de capturer la variance qui ne vous intéresse pas. Sans cet effet aléatoire, cette variance sera considérée comme aléatoire et risque de masquer des effets potentiellement actifs.
Lors de la construction du plan d'expériences, vous avez supposé un modèle. Ajustez ce modèle avec le ou les effets aléatoires à l'aide du modèle linéaire mixte généralisé, et évaluez la pertinence et l'exactitude de ce modèle (analyse des résidus, métriques du modèle, etc.).
Vous pouvez ensuite relancer le modèle en supprimant certains termes d'ordre supérieur (tout en respectant l'hérédité de l'effet), et comparer les différents modèles obtenus : influence des facteurs sur la ou les réponses, métriques des modèles, analyse des résidus…
Re: Modélisation des résultats du plan d'expériences en parcelles diviséesOu mieux encore – comme pour l’effet aléatoire de l’ensemble du graphique, les niveaux de facteurs peuvent être corrélés – commencez par un filet élastique de type Geng pour sélectionner d’abord l’effet le plus fort ?
Re: Modélisation des résultats du plan d'expériences en parcelles diviséesMême problème : comme vous n’utiliserez pas l’effet aléatoire, une partie de la variance sera considérée comme aléatoire. Vous aurez donc plus de difficultés à détecter les effets, quelle que soit la méthode utilisée.Re: Modélisation des résultats du plan d'expériences en parcelles diviséesMerci pour cette réponse intéressante, Victor. Vous avez raison : sans l’effet aléatoire global, le bruit sera important, mais les effets marqués ressortiront davantage. Concernant le résultat du « meilleur sous-ensemble », il ne faut pas être trop sévère avec les valeurs p ; un seuil de 0,1 me semble approprié pour sélectionner les facteurs ayant l’effet le plus significatif.
