分析具有缺失數據的階乘實驗<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />我將以我對 DOE 不熟悉的事實作為我的問題的開頭。 在嘗試學習基礎知識之後，我設計了一個具有 5 個中心點的 2^5 全因子實驗（以獲得過程誤差的估計值）。 最終，該過程是生產樣品，我們以不同的方式對其進行表徵。 我們正在查看許多回复。 問題在於，對於某些樣品，我們無法進行所有表徵，因為出於某種原因，該樣品無法進行該類型的表徵。 所以，我想知道如何用一些缺失的數據點來分析結果。 現在我正在嘗試做一些非常簡單的事情，只計算主效應、交互效應等。 我製作了一個電子表格來手動計算結果，並通過軟件運行數據。 對於我擁有所有數據的響應，我計算的效果與軟件計算的效果相同。 對於我缺少一些數據點的響應，效果是不同的。 他們很接近 - 但不一樣。 我在計算中所做的所有更改都是省略了我沒有的數據點（例如，如果我需要對八個值取平均值，我會取七個值的平均值）。 我真正想知道的是，如果缺少數據點，軟件如何計算效果？ 我怎樣才能重現這個計算？ 我一輩子都找不到關於如何處理缺失數據點的信息。 我相信挖掘結果仍然有很多價值，因為我在 32 次運行中只遺漏了幾個數據點......
回复：分析缺失數據的階乘實驗米歇爾，
我相信你可以計算它，但它會涉及一些矩陣計算。 但是實際上，您完成了一個完整的因子設計這一事實肯定有足夠的自由度來擬合一個模型，該模型描述了您的響應，儘管有缺失值。 參數估計可能有些偏差，但您的結論是否影響顯著應該沒問題。
婁
回复：分析缺失數據的階乘實驗謝謝盧 - 超級有幫助！ 那麼，可以公平地說：
(a) 以與軟件相同的方式手工計算效果是非常重要的（即，沒有（相對）簡單的公式）
(b) 軟件計算的效果比我通過簡單地忽略缺失數據手工計算的效果更好（更準確）——所以我應該使用那些
(c) 即使缺少數據，軟件的結果仍然可以（特別是如果大部分數據都存在......）
我無法手動計算效果，這讓我很煩惱；我想對分析有更多的控制，並將軟件更多地用作吞吐量工具，而不是外包理解計算的工作原理。
回复：分析缺失數據的階乘實驗這是一個簡單的 3 因子全因子設計示例。 第一種情況是所有 8 次運行都用於設計評估，第二種情況是由於缺少響應而排除了一行。 如您所見，屬性非常不同，並且會影響第二種情況下的參數估計。
回复：分析缺失數據的階乘實驗米歇爾，
很好的問題！ 當沒有缺失數據時，設計參數估計值很容易手工計算並與軟件輸出一致。 這是因為正交設計展示了所有美妙的特性。 一旦缺少數據，設計就會變得不平衡，並且模型項中會出現相關性，這可能會使參數估計產生偏差。 正如您提到的那樣，計算確實很接近，但與軟件輸出不一致。 這是因為軟件輸出正在計算參數估計值，其中包括由於數據缺失行而產生的偏差。 如果您使用 JMP 中的評估設計功能並查看與數據表相關性的顏色圖，其中排除了缺失值的數據行，您將看到參數估計中包含的偏差。
我希望這有幫助。
