Modellierung Split-Plot-DOE-ErgebnisseGeneralisierte Regression funktioniert nicht mit Zufallseffekten wie Faktoren der gesamten Versuchsfläche. Da zufälliges Rauschen nicht entfernt werden kann, kann generalisierte Regression vermutlich nicht zur Modellierung von Ergebnissen aus Split-Plot-Versuchsplanungen verwendet werden.
VersuchsplanungBetreff: Modellierung von Ergebnissen des Split-Plot-VersuchsplansIch empfehle Ihnen, Folgendes zu lesen:
Box, GEP, Stephen Jones (1992), „ Split-Plot-Designs für robuste Produktversuche “, Zeitschrift für Angewandte Statistik , Bd. 19, Nr. 1
Betreff: Modellierung von Ergebnissen des Split-Plot-VersuchsplansIch finde keine kostenlose Version dieses Artikels. JMP GENREG im Jahr 1992?
Betreff: Modellierung von Ergebnissen des Split-Plot-VersuchsplansHallo @frankderuyck ,
Sie können generalisierte Regressionsmodelle mit Zufallseffekten anpassen, indem Sie beim Start der Fit-Model-Plattform die Persönlichkeit „Generalisiertes lineares gemischtes Modell“ auswählen:
Ich hoffe, diese schnelle und praktische Antwort hilft Ihnen weiter.
Betreff: Modellierung von Ergebnissen des Split-Plot-VersuchsplansIch kenne Victor, aber es bietet nicht diese hervorragende Auswahl an Vorwärts- und AICC-/Strafoptionen wie GENREG. Gibt es irgendwo eine Option für „Alle Teilmengen“, um das beste Modell zu erhalten?
Betreff: Modellierung von Ergebnissen des Split-Plot-VersuchsplansVielleicht mit GENREG ohne Gesamtplot-Faktor beginnen und die starken Effekte mit "Best Subset" auswählen und dann zu Fit Mixed mit den starken Effekten + zufälligem Gesamtplot zurückkehren?
Betreff: Modellierung von Ergebnissen des Split-Plot-VersuchsplansNein, diese Option ist nicht verfügbar und wird in DOE-Szenarien nicht empfohlen. Die Option „Alle Teilmengen“ ist eher eine datenbasierte, modellunabhängige Methode zur Modellerstellung. Wenn Sie den gesamten Plot-Faktor entfernen, um die GenReg-Plattform zu verwenden, verlieren Sie den Vorteil eines Zufallseffekts, der die für Sie irrelevante Varianz erfasst. Ohne den Zufallseffekt wird diese Varianz als zufällig betrachtet und kann potenziell aktive Effekte „verdecken“.
Beim Aufbau des Versuchsdesigns (DoE) wurde ein Modell angenommen. Dieses Modell wird mithilfe des generalisierten linearen gemischten Modells um die Zufallseffekte ergänzt. Anschließend werden Relevanz und Korrektheit des Modells bewertet (Residuenanalyse, Modellmetriken usw.).
Anschließend können Sie das Modell neu starten, indem Sie einige Terme höherer Ordnung entfernen (wobei die Vererbung der Effekte weiterhin berücksichtigt wird), und die verschiedenen Modelle vergleichen: Einflussfaktoren auf die Zielgröße(n), Modellmetriken, Residuenanalyse usw.
Betreff: Modellierung von Ergebnissen des Split-Plot-VersuchsplansOder noch besser – da bei einem zufälligen Gesamteffekt die Faktorstufen korreliert sein können – sollte man mit einem elastischen Netz beginnen, um zuerst den stärksten Effekt auszuwählen?
Betreff: Modellierung von Ergebnissen des Split-Plot-VersuchsplansDasselbe Problem: Da der Zufallseffekt nicht berücksichtigt wird, wird ein Teil der Varianz als zufällig betrachtet. Daher wird es letztendlich schwieriger, Effekte zu erkennen, unabhängig von der verwendeten Methode.Betreff: Modellierung von Ergebnissen des Split-Plot-VersuchsplansDanke für die interessante Antwort, Victor. Du hast Recht: Ohne den Einfluss des Zufalls auf die Gesamtverteilung gäbe es zwar erhebliches Rauschen, aber starke Effekte würden sich deutlicher vom Rauschen abheben. Bei der Auswahl der besten Teilmenge sollte man die p-Werte nicht zu streng handhaben; ein Schwellenwert von 0,1 ist meiner Meinung nach angemessen, um die Faktoren mit dem stärksten Effekt auszuwählen.
