全階乘+中心點親愛的 JMP 社區：
我正在測試帶有中心點的完整階乘。 以下是輸入：
- 因素 = 3 ，水平 = 2 （連續數據）。
- 響應 = 1（連續數據）。
- 中心點 = 6
- 重複 = 4
- 使用 Sigma=1 的正態密度函數模擬響應。
我有兩個問題：
1. 這個設計可以檢測曲率效應嗎？
2. 如果是，它能告訴我們哪個二次因子負責並估計它的係數嗎？
我之所以問這個問題，是因為，這兩個問題的答案似乎都是“否”。 請參閱下面的結果。
在這種情況下，除了更好地估計實驗誤差之外，在全階乘中選擇添加中心點的目的是什麼？
謝謝指點。
兄弟，
黎
回复：全階乘+中心點感謝這兩種投入。 這是我第一次提出問題，我對回复的速度感到驚訝。 無疑增強了我繼續使用 SAS JMP 的信心。
回复：全階乘+中心點您使用失擬 p 值來檢測曲率，但如果您有 > 1 個連續因子，則無法確定源。實際上，您無法使用此設計對任何二次效應進行建模。2 級因子設計僅允許您將超平面擬合到數據。如果中心點作為一個組顯著偏離超平面，則失擬檢驗的 p 值將較小。
作為@彼得_巴特爾提到的，你有巨大的運行預算。在因子設計（完整或部分）中使用中心點是典型的篩選場景，其中您有太多因子而無法直接嘗試估計響應曲面，但您想知道曲率是否存在。 那是不是你的情況。您只需 20 次試驗就可以針對 3 個因素進行良好的響應曲面設計。
我建議遵循 Peter 關於使用自定義設計的 I 最優設計的建議，並使用 RSM 按鈕指定您的模型。這將為您提供所有主效應、雙因子交互作用和二次項。如果您可以容納偏離面的軸向值，則對於相同的運行次數，中心複合設計 (CCD) 比 I 最優定制設計具有顯著優勢。在大多數情況下，您將獲得更高的二次效應功效。如果您設置了 60 次以上的運行，您甚至可以復製完整的 CCD 幾次。如果您不熟悉最佳設計，創建 CCD 可能也更直接。只要確保您確信軸向值具有您可以實際運行的設定點即可。
回复：全階乘+中心點添加中心點複製背後的老式想法有兩個方面：1。 檢測至少其中一個因素的曲率，以及 2。 為 LOF 測試、Pure Error 及其同類提供一些額外的自由度。 為什麼人們會在已經復制的設計中添加中心點複製，對我來說似乎否定了上面的 2。 唯一的另一個原因是檢測曲率。 但我想我會問，如果您有 60 次以上運行的預算，為什麼不在您的因子中運行完整的 i - 最佳設計，如果您需要一些純粹的誤差，請在該設計中添加少量重複。 然後您可以估計曲率而不僅僅是檢測它。 跑步次數要少得多。
