DoE：一個因素和“時間”因素範圍內的偏離中心焦點你好！
關於使用 JMP 12.1.0 的實驗設計（定制設計），我有兩個問題：
- 我有一個具有 5 個級別的因子（離散、數字）：0、20、50、100、150。
當我嘗試創建 DoE 表時，JMP 將級別 20 視為偏離中心並使用此級別生成較少的運行。 是否可以明確告訴 JMP 興趣中心必須在 50 級，或者甚至在兩者之間的某個虛擬點（例如 35）？ 我怎樣才能在定制設計平台上做到這一點？ - 我計劃根據 DoE 生成一組樣本。 稍後將通過非破壞性方法對同一組進行測試。 以這種方式，將針對多個時間點生成響應。 我可以只添加“時間點”列並為每個時間點附加原始 DoE 表的副本嗎？ 以後是否可以在結果評估過程中添加“時間”因素？
先感謝您！
回复：DoE：一個因素和“時間”因素範圍內的偏離中心焦點我不確定您所說的“使用二進制結果將沒有太多使用模型”是什麼意思，您將如何分析數據？
回复：DoE：一個因素和“時間”因素範圍內的偏離中心焦點您可以使用生命分佈來探索生命數據的候選分佈模型。
您可以使用“擬合模型”>“擬合參數生存”對具有所選誤差分佈的數據進行建模。
數據表的最佳佈局可能需要一些幫助。 這種分析與通常的回歸建模有點不同。
回复：DoE：一個因素和“時間”因素範圍內的偏離中心焦點實驗的目標是識別除主要因素之外的活躍因素。
響應將是特定因素組合的生命週期。
目前，對於二元結果，模型將沒有太多用途（就預測而言）。
為了回答所有其他問題，我需要深入閱讀：）
回复：DoE：一個因素和“時間”因素範圍內的偏離中心焦點您省略零級別的決定非常合理。
所以結果是二進制（倖存，失敗）？ 是什麼回复要建模？
- 您會直接使用邏輯回歸對結果進行建模嗎？
- 響應生命週期？
- 響應是否是其他諸如故障率與時間的關係？
- 您打算如何為響應建模？ （你會使用什麼樣的分析？）
回复：DoE：一個因素和“時間”因素範圍內的偏離中心焦點馬克，彼得，感謝您的意見和建議。 非常感激！
我將從 DoE 中排除零級。 響應是布爾值（對象倖存/失敗），我將隨著時間的推移監控樣本。 零水平不會帶來任何好處，從失敗的本質就知道，零水平的集中因子是不可能失敗的。
我還有幾個因素，想檢查它們是否與主要因素有任何相互作用（失敗會在以後或更早發生）。
問候，
羅馬
回复：DoE：一個因素和“時間”因素範圍內的偏離中心焦點因此，根據經驗，您期望“20-100 範圍內最有趣的相關性”。 好的。
您將此範圍擴展到 0 到 150。 這種改變也可能是好的。
可以包含“控制”運行，但您可能希望在定制設計完成後添加它們並將它們從分析中排除（擬合模型）。 這樣您就可以將它們進行比較，但它們不必滿足建模的需求或減損建模。
“陰性對照”和“不期望任何信息性反應”是指您根本不會得到反應，或者您正在研究的內容的性質將從非零水平獲得的性質和不會相關或有用嗎？ 對不起，我不清楚你的觀點。
同樣，實驗中的因子範圍和設計水平的重點是支持擬合模型。 例如，用於估計線性參數的信息量最大的運行（最高槓桿率）處於範圍的極端，而介於兩者之間。
您將使用該模型為所需響應找到最令人滿意的因子水平。 （這一預測將通過更多的測試得到經驗證實。）
回复：DoE：一個因素和“時間”因素範圍內的偏離中心焦點馬克提供了一些很好的建議和建議。 根據您的第二個答复...如果您真的懷疑零水平的任何治療組合都無法獲得有價值的信息，那麼為什麼要包括該水平呢？ 一般來說，不應該在實驗中包含治療組合，通過先驗知識或領域專業知識，會導致嚴重失敗，提供沒有任何信息可以幫助您解決實際問題的能力。 由於該因子是離散數字，我建議選擇一個低水平，這將提供有價值的經驗信息。
回复：DoE：一個因素和“時間”因素範圍內的偏離中心焦點感謝您的全面回答。 我會盡量聽從你的建議。
關於水平，根據以前的知識，我預計最有趣的相關性在 20-100 範圍內。添加 150 作為極值，添加 0 作為陰性對照。
這只是違反直覺的，我必須以“0”級別執行許多運行（我不期望任何信息響應），而同時，級別 20 的運行很少。 也許在設計空間中包含負控制是個壞主意？回复：DoE：一個因素和“時間”因素範圍內的偏離中心焦點- 您可以使用離散數值因子定義要包含在試驗中的水平，然後自定義設計定義該因子的模型項以及這些水平在給定運行次數的設計中的最佳分佈。
- 您是如何為這個實驗選擇因子水平 0、20、50、100 和 150 的？
- “興趣中心”是什麼意思？
- 您似乎對最終設計中缺乏平衡感到困擾。 您直觀地期望每個因子水平的複制量相同。 不過，平衡不是設計標準。 最小方差是標準。 D 最優設計使參數估計的方差最小化，這有利於檢驗假設。 I 最優設計最小化模型預測的方差，這有利於響應優化。 方差對設計的依賴性是設計的非線性函數，因此有時最小方差設計是平衡的，但通常情況並非如此。
- 您可以要求多個重複處理，但您不能選擇重複哪些處理。 該算法確保所需的複制級別，但選擇運行以提供最多信息。 它可能會排除某些級別以滿足您的複制約束，這可能會導致設計更加不直觀。
- 如果您認為有必要，您可以隨時修改設計。 也就是說，您將最優定制設計保存為數據表，然後按照您的意圖手動更改水平。 它不會破壞任何東西，儘管它會損害數據對模型的支持。
- 主要的一點是，處理是為了模型而確定的。 該模型用於查找最佳因子水平，而不是設計。 設計不應該包括最佳水平，而只包括那些最能支持模型參數估計的水平。
- 當然你可以在你的實驗中包括重複測量，但你的最終反應是什麼？
- 是時間點之一，比如終點嗎？如果是這樣，那麼我可能會使用多個列來隨著時間的推移捕獲這些觀察結果。
- 它是否是多個時間點的函數，例如斜率、拐點或漸近線？ 如果是這樣，那麼我將堆疊響應並添加一個新列來表示您建議的時間點。 然後，您可以在模型中包含時間效應。
- 還有其他方法，例如使用多個列並得出響應。 我通過分別計算劑量反應曲線的參數並將它們用作反應來優化分析。 相同的技術可以應用於響應的時間過程。
所以最後請記住，實驗設計是回答問題的結果，“什麼是適合我的模型的最佳數據？”
