什麼是相關細胞圖？
在我以前的帖子 ，我提出了一個新的圖形診斷工具用於評估設計實驗 。建議的圖是一個單元圖，顯示兩個模型項之間的成對相關性為彩色方塊。如果，如圖1所示，模型中有45個術語，則使用創建的單元格圖 JMP 顯示45 * 45 = 2025個有色細胞。
這個情節告訴我什麼？
絕對相關從零（藍色）到一個（紅色）。對於任何設計，單元的對角線都是紅色的，但最理想的是所有非對角線單元都是藍色或至少在色譜的藍色端。圖1中的每個單元格都是純藍色或紅色。單色的純紅色表示相關的模型術語彼此無法區分。在這種情況下，我們說這兩種效應是混淆的。觀察第一行細胞，我們可以看到因子A的主要影響與D * G雙因素相互作用相混淆。
下表1中所示的設計和圖1中的圖表是16次運行中9個因子的常規部分因子設計。構建這種設計的一種方法是從全因子設計開始 - 在這種情況下有四個因子和16次運行。然後，因子E通過因子C和D的列的逐元素乘法生成。類似地，F = BD，G = AD，H = ABC，並且I = ABCD。這個過程的結果是一個與主效應正交的設計，但它將36個雙因素相互作用中的12個與主效應混淆。假設您運行此實驗並觀察到與因子A，D和G相關的大的影響。您想說這三個因素都是活躍的。然而，同樣解釋的模型是具有術語D，G和D * G的模型。因此，設計中的混雜會產生模糊的分析結果。解決這種模糊性的唯一數據驅動方式是進行進一步的實驗。
有沒有辦法避免混淆主效應和雙因素相互作用？
圖2顯示了16次運行中9個因子的87個非同態正交分數因子設計之一的診斷圖（見表2）。與圖1不同，圖2的右上部分沒有紅色方塊。因此，沒有任何主要影響與任何雙因素相互作用混淆。此外，任何主要影響與任何雙因素相互作用的最大絕對相關性僅為一半。在消極方面，即使相關性不那麼大，這種設計也會有更多與每種主效應相關的相互作用。
讓我們回到我們之前考慮過的情景。我們能否區分具有主效應A，D和G的模型和具有主效應D和G加上D * G雙因子相互作用的替代模型？絕對！只要觀察到的效果遠大於其標準誤差，就是如此。
底線是什麼？
並排比較圖1和圖2提供了評估兩種設計的相對優點的快速方法。我更喜歡診斷圖包含較少純紅色方塊的設計。
設計表
為什麼明確的篩選設計是確定的中寫道：
[...]我以前的兩篇文章，我介紹了用於設計評估的相關單元圖，然後展示瞭如何使用圖來比較設計。在這裡，我想使用相同的圖來說明為什麼確定的篩選設計是，[...]
