是否可以在篩選設計中加入混合變量？嗨，
我看到有一個選項可以將混合變量放在自定義設計中，但不是篩選設計。我想用4個混合變量進行篩選設計。那麼，我是否必須選擇自定義設計，然後選擇D-optimal進行篩選？如果我這樣做，我不會得到明顯的混淆效果。我想選擇篩選設計，因為我可以看到明顯的混淆效果。
Re：是否有可能在篩選設計中加入混合變量？我不知道如何直接從設計創建過程中將關聯的顏色映射到表中。如果您確實需要在表格中使用這些結果，則可以使用多變量方法>多變量來保存設計並從結果數據表創建相關性。請注意，您可能需要在數據表中為該方法構建任何交互列。
Re：是否有可能在篩選設計中加入混合變量？謝謝丹!!
有沒有辦法以相關值的形式導出相關的彩色圖？
Re：是否有可能在篩選設計中加入混合變量？別名矩陣解決了模型中未包含的術語如何影響模型術語估計的問題。對於混合設計，您確實希望了解模型術語的相關性。相關性越高，您的參數估計值越“不穩定”，那些影響統計測試的參數估計值的方差越大，等等。
您應該查看相關性上的顏色映射，而不是別名矩陣。請注意，將鼠標懸停在該矩陣上的任何彩色方塊上也會為您提供相關值。
Re：是否有可能在篩選設計中加入混合變量？謝謝丹!!
你說混合物的設計會產生主效應之間的相關性。但Alias Matrix僅顯示主效應和2因子相互作用之間的相關性。有沒有辦法找到主效應之間的相關性？
Re：是否有可能在篩選設計中加入混合變量？您可以使用“別名矩陣”和/或使用“設計評估”大綱項中的“關聯色彩映射”。
請注意混合物設計將在MAIN EFFECTS之間產生相關性（部分混淆），而不僅僅是相互作用（畢竟，最後一個成分的值完全取決於其餘部分）。混雜程度取決於某些組件範圍的狹窄程度。這可以通過使用偽組件編碼（JMP自動執行）來減少，但是您可以對這些相關性做很多事情。您可以做的最好的事情是使組件範圍盡可能廣泛。
混合模型是關於生成預測，而不是因果結論（例如，更高的響應可能是由於增加組件A或減少組件B，因為您無法在不更改其他組件的情況下更改一個組件）。底線是經典設計的規則不適用於混合物，因此相關值沒有“理想的限制”。
Re：是否有可能在篩選設計中加入混合變量？謝謝丹！
所以我想混合器設計我需要看看Alias Matrix的部分混淆。那麼我是否有任何特定的值可以考慮2因子相互作用效應不與主要影響混淆？
Re：是否有可能在篩選設計中加入混合變量？JMP中的篩選設計平台用於實驗設計的“經典”方法，僅與獨立因子相關，換句話說，不是混合因子。除了那些經典設計之外，還有許多篩選因子的方法。JMP教育甚至有一整套課程致力於創建和分析篩選設計！（ JMP軟件：現代篩選設計 ）
在篩選設計中，您正在嘗試確定最重要的因素。對於混合情況，可以使用自定義設計輕鬆完成，只需指定主效果模型即可。每個組件的參數估計值與響應的總體平均值之間的差異是效果大小的指示。效果大小越大，組件越重要。您可以在本書中看到更完整的討論以及其他可能的方法配方開發策略由Snee和Hoerl。
至於混淆效果，在經典設計（具有獨立因素）中，您運行篩選設計並將具有完全混淆/混疊。採用混合物設計，即使不進行篩選，也總會產生局部混淆。因此，你永遠不會得到明顯的混淆。你總會得到一堆部分混淆。混合物設計與傳統設計有很大不同。JMP教育還有一門課程涵蓋了混合物設計和分析的基礎知識（ JMP軟件：混合物實驗的設計和分析 ）。
