美國能源部分析<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />大家好，
我對 JMP 相當陌生，我正在建立 DOE，以研究混合物中幾種成分對特定反應的影響。 我只對主要影響和雙向相互作用感興趣。 在擬合模型之前，是否需要檢查所有等方差和正態分佈的假設？ 我通常在執行單向和雙向方差分析時這樣做，但對於 DOE 有必要嗎？
謝謝
美國能源部分析是的，這是正確的做法。您不會期望響應變量具有正態分佈，因為您正在顯式執行 DOE 來引起響應變化，以便您可以了解預測變量的影響。然而，一旦你有了一個模型，你就會留下殘差，理想情況下應該是正態分佈的。我個人不會太擔心這個假設（如果你這樣做，那麼它就不再是一個假設！） - 您不太可能有足夠的數據點來執行反駁假設的測試 - 但是，研究殘差對於診斷模型問題或改進領域可能很有用。
美國能源部分析謝謝這個戴夫。 我正在分析我的結果。 DOE 的響應值不是正態分佈的，但是當我篩選因素並圍繞相關因素構建模型時，我保存了響應的殘差，在分析時，殘差是正態分佈的。 這是驗證假設的正確方法嗎？
乾杯，
克里斯
美國能源部分析聽起來你很適合進行篩選設計。 您還可以使用自定義設計平台，為模型指定主效應和雙向交互作用，並輸入所需的運行次數。 定制設計平台為您處理實驗場景提供了更大的靈活性。
美國能源部分析感謝 LouV 和 Dave 的建議。 我本來打算使用混合設計，但據我了解，如果成分的比例很重要，就會使用這種方法。 就我而言，減少一種成分的含量不會影響其他成分的含量。 我只是想知道某種特定成分的存在或不存在是否會影響我的反應。 我是否可以使用篩選 DOE 來做到這一點？
美國能源部分析混合 DOE 是一種獨特的 DOE 類型，因為因素或參數是相互依賴的。 它們的行為與常規 DOE 不同，因此我建議您閱讀 John Cornell 對 Mixture DOE 的評論，以了解它們獨特的統計特性。
http://www.jstor.org/pss/1266850
約翰·康奈爾 (John Cornell) 提供了有關混合設計的權威書籍
http://www.amazon.com/Experiments-Mixtures-Analysis-Probability-Statistics/dp/0471393673
美國能源部分析一般來說，DOE 數據是使用回歸模型進行分析的。您討論的假設通常適用於殘差而不是原始數據，因此從這個意義上說，您需要首先構建模型，然後驗證假設。這可以通過檢查殘差來完成。請記住，對於 DOE，數據量通常很小，因此直觀地完成此操作就足夠了。
戴夫
