Modellazione dei risultati del DOE con disegno a blocchi suddivisiLa regressione generalizzata non funziona con effetti casuali come i fattori dell'intera parcella, quindi, poiché il rumore casuale non può essere rimosso, suppongo che la regressione generalizzata non possa essere utilizzata per modellare i risultati DOE a parcella divisa?
Progettazione degli esperimentiOggetto: Modellazione dei risultati del DOE con metodo split plotTi suggerisco di leggere:
Box, GEP, Stephen Jones (1992), “ Disegni a parcelle divise per una robusta sperimentazione di prodotto ”, Rivista di statistica applicata , Vol. 19, n. 1
Oggetto: Modellazione dei risultati del DOE con metodo split plotNon riesco a trovare una versione gratuita di questo articolo. JMP GENREG nel 1992??
Oggetto: Modellazione dei risultati del DOE con metodo split plotCiao @frankderuyck ,
È possibile adattare modelli di regressione generalizzata con effetti casuali selezionando la tipologia di modello lineare generalizzato misto all'avvio della piattaforma Adatta modello:
Spero che questa risposta rapida e pratica ti sia d'aiuto.
Oggetto: Modellazione dei risultati del DOE con metodo split plotConosco questo Victor, ma non ha queste ottime opzioni di selezione in avanti Aicc/penalizzazione come GENREG. Esiste da qualche parte un'opzione "Tutti i sottoinsiemi" per ottenere il modello migliore?
Oggetto: Modellazione dei risultati del DOE con metodo split plotForse si potrebbe iniziare con GENREG senza il fattore "intera trama" e selezionare gli effetti più significativi utilizzando "Miglior sottoinsieme", per poi tornare a Fit Mixed con gli effetti più significativi + fattore "intera trama" casuale?
Oggetto: Modellazione dei risultati del DOE con metodo split plotNo, questa opzione non è disponibile e non è consigliata negli scenari DOE. L'opzione "Tutti i sottoinsiemi" è più un metodo di data mining, indipendente dal modello, per la costruzione di modelli. Se si rimuove l'intero fattore di aggregazione per utilizzare la piattaforma GenReg, si perde il vantaggio di avere un effetto casuale, che cattura la varianza non di interesse. Senza l'effetto casuale, questa varianza verrà considerata casuale e potrebbe "nascondere" effetti potenzialmente attivi.
Nella costruzione del DoE, si assume un modello. Si adatta questo modello con l'effetto o gli effetti casuali tramite il modello lineare generalizzato misto e si valuta la rilevanza e la correttezza di questo modello (analisi dei residui, metriche del modello, ecc.).
A questo punto, è possibile riavviare il modello rimuovendo alcuni termini di ordine superiore (pur rispettando l'ereditarietà degli effetti) e confrontare i diversi modelli ottenuti: influenza dei fattori sulla/e risposta/e, metriche del modello, analisi dei residui...
Oggetto: Modellazione dei risultati del DOE con metodo split plotO ancora meglio, come con l'effetto casuale dell'intera trama, i livelli dei fattori possono essere correlati: si potrebbe iniziare con una rete elastica di genere per selezionare prima l'effetto più forte?
Oggetto: Modellazione dei risultati del DOE con metodo split plotStesso problema: poiché non utilizzerai l'effetto casuale, parte della varianza verrà considerata casuale. Quindi avrai maggiori difficoltà a rilevare gli effetti, indipendentemente dal metodo utilizzato.Oggetto: Modellazione dei risultati del DOE con metodo split plotGrazie per l'interessante risposta, Victor. Hai ragione, senza l'effetto casuale sull'intero grafico ci sarà un rumore significativo, tuttavia gli effetti più forti emergeranno maggiormente dal rumore. Nel risultato del "miglior sottoinsieme" non dovresti essere troppo severo sui valori P, penso che una soglia di 0,1 sia accettabile per selezionare i fattori con l'effetto più forte.
