DOE 詞彙說明<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />我厭倦了忽略我對 DOE 詞彙的嘮叨，因為我想知道我是否沒有完全理解一個概念。 我發現 ALIASING、CORRELATION 和 CONFOUNDING 出現在許多討論中，有時似乎可以互換使用。例如，JMP 中的 DOE 平台提供了極好的顏色相關圖，我在評估潛在設計時廣泛使用它，但也有一個別名矩陣。 在許多地方都使用了主效應與雙因素交互作用的術語“混雜”。
我了解混雜的概念和重要性，這是我最常使用的術語，因此我不要求討論在 RES III 與 RES V 設計等背景下的含義。 我的問題是關於這三個術語中每一個的準確定義。 正如我所說，它們有時看起來像是同一事物的不同名稱，但我不相信情況確實如此。
對於這一點，我將不勝感激。 如果它們都是一樣的東西，為什麼我們使用不同的術語？ 如果不是，我真的需要了解每個術語的確切含義和用法。
提前致謝。
回复：DOE 詞彙說明
如果設計是正交的，則您的效果估計值彼此不相關。 當設計不是正交時，您可能會有一些部分混疊，在這種情況下，一些效應估計值是相關的：這些估計值會根據其他效應是否在模型中而變化，並且您可能會看到更大的標準誤差如果兩者都在模型中，則效果。 這並不意味著因素 X1 和 X3 是相關的（除非您有一些潛在的約束），而是說設計的選擇方式、它們的效果估計是相關的。 大多數 DOE 書籍在討論效果估計時都會提到相關性，但通過索引搜索您更有可能看到混疊和混雜。
您仍然有 2 種不同的情況，其中一種存在部分別名：
- X1 和 X3 的主效應估計值之間存在相關性。
- X1 和 X3 的主效應估計值部分混疊。
一個用於完全別名：
- X1 和 X3 的主效應估計值完全相關。
- X1 和 X3 的主效應估計是混淆的。
- X1 和 X3 的主效應估計完全混疊。
一些作者對他們的術語有自己的偏好，並且根據上下文不區分部分別名和完全別名。 例如，在經典篩選設計中，您只處理正交或完全混疊/混淆，因此在這種情況下看到“完全”丟棄的情況並不少見。 文檔團隊一直在努力保持 DOE 文檔的最後幾個（和即將發布的）版本的一致性。
回复：DOE 詞彙說明如果我可以重複一遍：混雜、混疊和相關性是不一樣的。設置 DOE 時，可以將列符號相乘，得到的符號是另一列，可用於另一個因子。因此，該因素被新列“別名化”了。例如，您可能認為 X1、X2 和 X3 之間的三向交互作用極不可能，因此您通過將這三個因子的符號相乘來設置一個列，並將該列用於第 4 個因子。
混淆是指某些列的符號恰好相同。例如，您可能會發現，在設置試驗矩陣時，交互作用列 X1X2 可能與 X2X3X4 具有相同的符號。換句話說，X1X2 的效果不能與 X2X3X4 的效果分開——它們是混淆的。
相關性的不同之處在於，兩個（或更多）因素傾向於一起移動或沿著相反的路徑一起移動。請記住，相關性並不意味著“因果關係”。可能還有其他因素導致兩個（或更多）相關因素按照它們的方式移動。
回复：DOE 詞彙說明我可能沒有很好地陳述我的問題。 我了解顏色相關圖，但發現在很多情況下，我提到的三個術語幾乎被用作同一事物的不同名稱。
具體來說，這三個陳述是否都針對我可能創建的某些設計說了同樣的話？
1）X1和X3之間存在相關性
2）X1和X3之間存在混雜
3) X1 和 X3 是別名
有時，在閱讀一篇文章或一些文檔時，我會看到這些術語甚至在同一段落中互換。
回复：DOE 詞彙說明下圖是 2 級連續因子的別名/混雜情況的圖片。如圖所示，將主效應的符號相乘以獲得該交互作用的相應符號。* =以第 1 行 X1*X2 為例。正如您在圖片中看到的那樣，每個主要效果都與說明上述內容的交互項之一完全混淆。 因此，如果您知道主效應與其對應的（顏色）交互項之間沒有區別，您就無法在模型中可靠地使用交互項。
回复：DOE 詞彙說明相關性顏色圖讓您了解模型中的效應與不在模型中但可能對響應有影響的效應（別名項）之間的關係。 除了上面提到的DOE指南，你還可以看看這個博客： JMP 中用於設計比較的相關單元格圖
混雜兩種效應意味著無法區分這兩種效應。 需要後續運行來區分這些影響，和/或需要對哪些影響可以忽略不計做出假設。 您會看到這也稱為別名，但我喜歡將其視為滿的別名。 您可以有部分混疊，其中效果既不是正交的也不是完全混疊/混雜的（想想相關性顏色圖中不是 0 或 1 的條目）。
別名矩陣反映了不在模型中的效應對效應估計產生偏差的程度。 如果模型中的效應存在部分別名，則效應估計的標準誤差會更大。 此博客中的更多信息： http://blogs.sas.com/content/jmp/2014/06/05/what-is-an-alias-matrix/
希望這有助於澄清事情。
乾杯，
賴安
回复：DOE 詞彙說明我對這些概念的簡單思考方式如下：
涉及兩步工作流程：
第 1 步：評估設計中是否存在要估計的任何效應中的混雜和混疊。 我認為這個動作和短語是同義詞。 有點像問，“你懷孕/懷孕了嗎？”......你是或不是。 也就是說，任何一種設計要么存在至少一種效應的混雜/混疊，要么不存在。 那麼，如果答案是否定的。停止...任何兩個效應之間的相關性為零。 如果答案是“是的，此設計中存在混雜或相關性”。 然後進行步驟 2。
第 2 步：下一個合乎邏輯的問題是哪些效應與哪些效應混淆或混淆？ 與這些影響相關的偏差程度是多少？ 這就是相關性出現的地方。 這就是為什麼許多人發現 JMP 相關性顏色圖是評估設計的絕佳視覺輔助工具。 相關性是與參數估計相關的偏差的度量。
如果您只是從 JMP 主菜單調用，則在 JMP 版本 12 本機幫助中有對這些問題的解釋：
幫助 -> 搜索幫助，在搜索字段中輸入設計評估窗口，然後選擇主題設計評估窗口。
回复：DOE 詞彙說明對我來說，混淆、混疊和相關性是不一樣的。設置 DOE 時，可以將列符號相乘，得到的符號是另一列，可用於另一個因子。因此，該因素被新列“別名化”了。例如，您可能認為 X1、X2 和 X3 之間的三向交互作用極不可能，因此您通過將這三個因子的符號相乘來設置一個列，並將該列用於第 4 個因子。
混淆是指某些列的符號恰好相同。例如，您可能會發現，在設置試驗矩陣時，交互作用列 X1X2 可能與 X2X3X4 具有相同的符號。換句話說，X1X2 的效果不能與 X2X3X4 的效果分開——它們是混淆的。
相關性的不同之處在於，兩個（或更多）因素傾向於一起移動或沿著相反的路徑一起移動。請記住，相關性並不意味著“因果關係”。可能還有其他因素導致兩個（或更多）相關因素按照它們的方式移動。
