ความหมายของ“ การออกแบบ” ในเมทริกซ์การออกแบบ?


13

ในการถดถอยเชิงเส้นทำไมเรียกว่าเมทริกซ์การออกแบบ สามารถได้รับการออกแบบหรือสร้างโดยพลการในระดับหนึ่งเช่นเดียวกับในศิลปะ?Y=XβXX


3
ที่มาของคำนี้ค่อนข้างเก่าและฉันเชื่อว่ากลับไปที่ต้นกำเนิดของสถิติเชิงอนุมานในการวิเคราะห์การทดลอง โดยเฉพาะฉันคิดว่ามันอ้างถึงวิธีที่ X-matrix เกี่ยวข้องกับการออกแบบการทดลองจริง (การตั้งค่าเฉพาะของค่า ) หากฉันสามารถหาข้อมูลอ้างอิงที่เฉพาะเจาะจงฉันจะโพสต์คำตอบ x
Glen_b -Reinstate Monica

@Glen_b: ขอบคุณ! "การออกแบบ" มีบางอย่างเกี่ยวกับการเลือกการแปลงบนตัวแปรอินพุตดังนั้นตัวแปรเอาต์พุตก็เป็นเส้นตรงในตัวแปรอินพุตที่ถูกแปลงด้วย? ตัวอย่างเช่นเมทริกซ์การออกแบบในการถดถอยพหุนาม
ทิม

2
เมื่อคุณออกแบบการทดลองที่คุณระบุค่าของXX
whuber

คำตอบ:


15

เพื่อให้ตัวอย่างสอดคล้องกับการตอบสนองของ @ neverKnowsBest ให้พิจารณาว่าในการทดลองแบบแฟคทอเรียลมี 3 ปัจจัยแต่ละรายการถือว่าเป็นตัวแปรเชิงหมวดหมู่ที่มี 2 ระดับและแต่ละชุดของระดับปัจจัยที่เป็นไปได้จะถูกทดสอบภายในการจำลองแต่ละครั้ง หากการทดสอบได้รับการบริหารงานเพียงครั้งเดียว (ไม่ซ้ำ) ของการออกแบบนี้จะต้องมีวิ่ง การวิ่งสามารถอธิบายได้ด้วยเมทริกซ์ 8x3 ต่อไปนี้: start โดยที่แถวแสดงถึงการวิ่งและคอลัมน์แสดงถึงระดับของ ปัจจัย: 2 3 = 8 [ 0 0 0 1 0 0 0 1 0 1 1 0 0 0 1 1 0 1 0 1 1 1 1 1 ] [ B C ]2323=8

[000100010110001101011111]
[ABC].
(คอลัมน์แรกแสดงระดับของปัจจัย A, คอลัมน์ที่สอง B และคอลัมน์ที่สาม C) สิ่งนี้เรียกว่าDesign Matrixเพราะมันอธิบายการออกแบบการทดสอบ การเรียกใช้ครั้งแรกจะถูกรวบรวมที่ระดับ 'ต่ำ' ของปัจจัยทั้งหมดและการรวบรวมครั้งที่สองจะถูกรวบรวมที่ระดับ 'สูง' ของปัจจัย A และระดับ 'ต่ำ' ของปัจจัย B และ C และอื่น ๆ

AB & AC & BC & ABC \\ \ end {array} \ right] แม้ว่าเมทริกซ์ทั้งสองจะเกี่ยวข้องกับเมทริกซ์การออกแบบอธิบายถึงวิธีการรวบรวมข้อมูลในขณะที่เมทริกซ์โมเดลใช้ในการวิเคราะห์ผลลัพธ์ของการทดลอง[ฉันB C B C B C B C ]

[1000111011000011101001011110100010011001110101001011001011111111]
[IABCABACBCABC].

อ้างอิง

Montgomery, D. (2009) การออกแบบและวิเคราะห์การทดลองรุ่นที่ 7 John Wiley & Sons Inc.


9

ในการออกแบบการทดลองเรามักจะเอะอะเกี่ยวกับเมทริกซ์การออกแบบ ที่มีระดับของปัจจัยที่เราทำการทดลองและเมทริกซ์โมเดล (เช่นเขียนเป็นแต่จริงๆแล้วเป็นฟังก์ชันของเมทริกซ์การออกแบบ) มีสิ่งต่าง ๆ เช่นคอลัมน์ของ 1 ทั้งหมด (แทนคำว่าดัก) และผลิตภัณฑ์และพลังของคอลัมน์ของเมทริกซ์การออกแบบ ฉันจะเรียกในเมทริกซ์โมเดลX XXXXy=Xβ

การออกแบบการทดลองมุ่งเน้นไปที่วิธีการสร้างเมทริกซ์การออกแบบและเมทริกซ์โมเดลเนื่องจากมันเกิดขึ้นก่อนที่จะรวบรวมข้อมูล หากมีการรวบรวมข้อมูลแล้วการออกแบบจะถูกตั้งค่าเป็นหิน แต่คุณยังสามารถเปลี่ยนเมทริกซ์โมเดลได้ บางครั้งการทดลองที่ออกแบบมาจะมีในเมทริกซ์การออกแบบบางคอลัมน์คงที่เรียกว่าโควาเรียตที่ไม่สามารถควบคุมได้ แต่คุณสามารถสังเกตได้

มีบางสิ่งที่สามารถเกิดขึ้นได้ขึ้นอยู่กับรูปแบบและการออกแบบที่คุณเลือก ... พารามิเตอร์บางตัวอาจประเมินได้ยาก ฉันจะบอกว่าการตัดสินใจเลือกนางแบบที่เหมาะสมมีองค์ประกอบของศิลปะอยู่บ้างและแน่นอนว่ามีศิลปะในการออกแบบการทดลอง


2
สิ่งนี้มีประโยชน์มาก แต่นี่เป็นเชิงอรรถเกี่ยวกับ "covariate" บางคนใช้คำว่ามากวงกว้างมากขึ้นสำหรับชนิดของการทำนายหรือตัวแปรอิสระใด ๆ (คำพ้องความหมายอื่น ๆ มีอยู่จริง)
Nick Cox

(+1) ดีมากสำหรับการบริจาคครั้งแรกของคุณ - ยินดีต้อนรับสู่เว็บไซต์ของเรา!
whuber

2

มันถูกเรียกว่าเมทริกซ์การออกแบบเพราะคอลัมน์ของเมทริกซ์ขึ้นอยู่กับการออกแบบของแบบจำลอง ฉันไม่เชื่อว่าสามารถสร้างได้ตามอำเภอใจในทันทีที่แบบจำลองได้รับการตัดสินใจดังนั้นจึงมีเมทริกซ์การออกแบบ (โดยทั่วไปจะมีคอลัมน์หนึ่งคอลัมน์ในสำหรับทุกคุณพยายามประเมิน) อย่างไรก็ตามเนื่องจากการสร้างแบบจำลองถือได้ว่าเป็นศิลปะฉันจึงคิดว่าสามารถสร้างเมทริกซ์การออกแบบได้XXXβ


2

Xเป็นเพียงข้อมูลของคุณ (ลบด้วยตัวแปรตอบกลับ) ฉันเชื่อว่ามันถูกเรียกว่าเมทริกซ์การออกแบบเพราะมันนิยาม "การออกแบบ" ของแบบจำลองของคุณ (ผ่านการฝึกอบรม)

X สามารถออกแบบหรือสร้างตามอำเภอใจในระดับเดียวกับศิลปะได้หรือไม่?

โดยทั่วไปคำถามนี้จะทำให้ "คุณสามารถสร้างแบบจำลองที่ได้รับการฝึกอบรมเกี่ยวกับข้อมูลที่ผลิต" ซึ่งคำตอบก็คือใช่ ตัวอย่างเช่นต่อไปนี้เป็นวิธีหนึ่งในการสร้างเมทริกซ์การออกแบบ (เวกเตอร์การออกแบบจริง ๆ ) ที่จะให้แบบจำลองที่มีความชันและการสกัดกั้นที่กำหนดไว้ล่วงหน้า:

design_mat=function(b, a){
  X = runif(100)
  Y = a*X + b
  data.frame(X,Y)
}

df = design_mat(-5, 12.3)

(lm(Y~X, data=df))

Call:
lm(formula = Y ~ X, data = df)

Coefficients:
(Intercept)            X  
       -5.0         12.3  

ในตัวอย่างของฉันฉัน "สร้าง" การตอบสนองจากข้อมูลการออกแบบแบบสุ่มเพื่อเป็นตัวอย่าง แต่คุณสามารถได้อย่างง่ายดายเพียงได้สร้างเมทริกซ์การออกแบบจากการตอบสนองแบบสุ่มโดยใช้{A}X=Yba

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.