DOE結果<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />在DOE結果中，為什麼因子X的參數估計值為正且X * X為負值，反之亦然？
回复：DOE結果就像Jesper說的那樣。當我們進行DoE並構建模型時，我們確實得到了我們從JMP請求的模型術語中的係數。例如，在自定義設計中，如果II只有三個因子x1 x2和x3，我可能會根據我對系統的物理，化學和力學的理解，決定在我的模型中只包含特定的術語。例如，我可能選擇像這樣製作我的模型：
y = a + b1 * x1 + b2 * x2 + b3 * x3 + c1 * x1 * x1 + d12 * x1 * x3
在我的符號中，a是常數（截距）項，b項是線性項的係數，c項是二次項，d項是交互項。我決定使用線性（主效應）項，x1中的二次效應和x1，x3相互作用的模型。這些係數可以採用正值或負值。JMP顯示的每個參數估計值的大小告訴我們該項對響應的貢獻的相對強度，並且符號告訴我們響應在我們增加因子設置時的操作方向。在您描述的情況下，增加x會增加對響應的線性貢獻，但會對響應的二次貢獻產生負增加（減少）。大多數情況下，當您從一階（線性）項到二階（二次和交互項）時，這些係數的幅度會減小，但並非總是如此。
回复：DOE結果謝謝JesperJohansen。以下是我發現的有關此主題的更多信息：
二次係數告訴曲率的方向和陡度（正值表示曲率向上，而負值表示曲率向下）。這就像你提到的那樣。通常，多項式項可以使解釋不那麼直觀，因為更改預測變量的效果會根據預測變量的值而變化。二階情況並不像在y = b1 * x + b0中解釋b1那麼容易，其中b1是x的每個單位增加的變化幅度。
回复：DOE結果參數估計是對數據擬合的二階多項式的常數（下面我的例子中的b）的估計，例如
Y = b2 * X ^ 2 + b1 * X + b0。
你提到的係數分別是b1和b2，而b0是你模型的截距。b2係數確定擬合的形狀，即負b2：“皺眉面曲線”和正b2：“笑臉曲線”。b1係數（與截距b0一起）確定曲線的位置。所以簡而言之因子X和X * X的參數估計是描述擬合曲線的不同特徵的兩個非常不同的事物。
