當實驗中的一個或多個因素是連續的時，許多研究者喜歡在設計區域的中心添加幾個運行。這種做法完成了兩件事：
1）它允許測試整體曲率。
2）它提供了複製的運行，這意味著 JMP 可以計算誤差方差的無偏估計。Fit Model平台還將進行自動缺失測試。
您可以在設計創建後在JMP 9中添加中心運行。預先指定如何幫助？
添加中心運行作為指定的一部分實驗設計允許自定義設計器以最佳方式添加這些運行。如果所有因素都是連續的，這並不重要。但是，如果一個因子是分類的，那麼在連續因子中運行中心的最佳分配可以改善設計。
是不是最好只為分類因素的每個級別添加一個中心運行？
令人驚訝的是，結果並非總是如此！
想像一下這樣一個設置：您有三個供應商和五個連續因素，您想要使用12次運行的主效應模型進行調查。您決定要將其中三個運行作為中心運行。事實證明，不為每個供應商提供一個中心運行在統計上更有效率。
表1顯示了向供應商中心運行的最佳分配的因子設置。
請注意，三個供應商中的每一個都有四次運行，而供應商C有兩個中心運行，而供應商B沒有。
我們可以將這種設計與三個供應商的最佳九次設計進行比較，為每個供應商增加一個中心運行。您可以在表2中看到此設計。
均勻分配讓我感覺更舒服。我失去了什麼？
首先，對於均勻分配的設計，設計的最大預測方差大於50％。此外，預測的平均方差大於10％。
圖1顯示估計係數對於均勻分配中心運行的設計也有較大的差異。對於每個參數，方差膨脹係數（VIF）對於具有均勻中心運行分配的設計而言更大。
圖2顯示了比較兩種設計的列相關性的並排圖。均勻分配中心運行的設計具有更混亂且通常更高的列相關性。
這個例子很有意思，但這種結果是否常見？
我認為，即使分配中心運行塊和分類因素的水平也常常是最佳的。如果您使用21次運行而不是12次運行相同的方案，則最佳設計會為每個供應商分配一個中心運行。
最後一個字…
坦率地說，我不是在設計中添加中心運行的忠實粉絲 - 尤其是篩選設計。我寧願能夠確定響應中任何曲率的來源，如確定的篩選設計那樣。對於復制，我更喜歡複製有助於估計感興趣效果的點。中心運行無助於估計除攔截之外的任何參數。
