분할 플롯 실험 설계 결과 모델링일반화 회귀는 전체 플롯 요인과 같은 랜덤 효과를 처리하지 못하므로, 랜덤 노이즈를 제거할 수 없기 때문에 분할 플롯 실험계획법 결과를 모델링하는 데 사용할 수 없다고 추측합니다.
실험 설계제목: 분할 플롯 실험 설계 결과 모델링 관련다음 글을 읽어보시길 추천합니다:
Box, GEP, Stephen Jones (1992), “ 견고한 제품 실험을 위한 분할 플롯 설계 ”, 응용 통계학 저널 , 제19권, 제1호
제목: 분할 플롯 실험 설계 결과 모델링 관련이 논문의 무료 버전을 찾을 수가 없네요. 1992년 JMP GENREG에 실렸다고요??
제목: 분할 플롯 실험 설계 결과 모델링 관련안녕하세요 @frankderuyck 님 ,
모델 적합 플랫폼을 실행할 때 일반화 선형 혼합 모델 유형을 선택하면 랜덤 효과가 있는 일반화 회귀 모델을 적합시킬 수 있습니다.
이 간단하고 실용적인 답변이 도움이 되길 바랍니다.
제목: 분할 플롯 실험 설계 결과 모델링 관련Victor라는 프로그램을 알고 있지만, GENREG처럼 뛰어난 전방 선택 AICC/페널티 옵션이 없네요. 최적의 모델을 얻기 위해 "모든 하위 집합" 옵션이 있는 곳이 있을까요?
제목: 분할 플롯 실험 설계 결과 모델링 관련전체 플롯 요소를 제외하고 GENREG로 시작하여 "최적 부분집합"을 사용하여 강한 효과를 선택한 다음, 강한 효과와 무작위 전체 플롯을 포함하여 Fit Mixed로 돌아가는 것은 어떨까요?
제목: 분할 플롯 실험 설계 결과 모델링 관련아니요, 이 옵션은 사용할 수 없으며 DOE 시나리오에서는 권장되지 않습니다. "모든 하위 집합" 옵션은 데이터 마이닝에 더 적합하며 모델에 구애받지 않는 모델 구축 방식입니다. GenReg 플랫폼을 사용하기 위해 전체 플롯 요소를 제거하면 관심 없는 분산을 포착하는 무작위 효과의 이점을 잃게 됩니다. 무작위 효과가 없으면 이 분산은 무작위로 간주되어 잠재적으로 활성적인 효과를 "숨길" 수 있습니다.
실험계획법(DoE)을 수립할 때, 하나의 모델을 가정했습니다. 일반화 선형 혼합 모델(Generalized Linear Mixed Model)을 사용하여 이 모델에 랜덤 효과를 포함시켜 적합시키고, 모델의 타당성과 정확성을 평가하십시오(잔차 분석, 모델 지표 등).
그런 다음 상위항들을 제거하여 (효과 유전은 여전히 존중하면서) 모델을 다시 시작하고, 다양한 모델들을 비교해 볼 수 있습니다. 비교 항목에는 반응에 대한 요인의 영향, 모델 지표, 잔차 분석 등이 포함됩니다.
제목: 분할 플롯 실험 설계 결과 모델링 관련아니면 더 나은 방법은, 전체 플롯 무작위 효과처럼 요인 수준이 서로 상관관계를 가질 수 있으므로, 가장 강력한 효과부터 선택하기 위해 탄력적 네트워크(elastic net)를 사용하는 것부터 시작하는 것입니다.
제목: 분할 플롯 실험 설계 결과 모델링 관련같은 문제입니다. 랜덤 효과를 사용하지 않으면 분산의 일부가 랜덤 효과로 간주될 것입니다. 따라서 어떤 방법을 사용하든 효과를 감지하기가 더 어려워질 것입니다.제목: 분할 플롯 실험 설계 결과 모델링 관련빅터, 흥미로운 답변 감사합니다. 말씀하신 대로 전체 그래프의 무작위화 효과를 제거하면 상당한 노이즈가 발생하겠지만, 강한 효과는 노이즈 속에서 더 두드러지게 나타날 것입니다. "최적 부분집합" 결과에서는 P값에 너무 엄격한 기준을 적용하지 않는 것이 좋습니다. 가장 강한 효과를 가진 요인을 선택할 때는 0.1 정도의 임계값이 적절할 것 같습니다.
