連續與離散數值因子例如，當尋找某個因素在一定範圍內的最大響應時；總 DNA 100ug 至 400ug，有什麼更準確、更有效的方法（更高功率、更少運行）來做到這一點？
- 將因子指定為具有 2 次冪的連續因子 (X1*X1)
- 分配為 3 個級別的離散數值（100、250、400）
過去我總是運行選項 A，但在設計分析過程中，與主效應和第二次交互作用（高於 0.8）相比，我獲得的 X1*X1 功效相當低（~0.4），所以我是選擇此選項的助手，我這個觀念是不是錯了？
感謝您的幫助，
回复：連續與離散數值因子首先，實驗的設計（治療組）確實不是影響估計的準確性。 也就是說，估計（參數或響應）的偏差不取決於設計。 估計的偏差取決於模型的形式。
其次，設計確實會影響估計的方差。 這種效果反過來又會影響功率。 隨著估計方差的增加，功效會降低。
第三，功效與模型的偏差無關。 功效定義為不犯第二類錯誤的概率。 僅當備擇假設（參數不為零）為真時才有可能。 功效取決於效應大小、響應方差、樣本大小（實際上是 DF）和顯著性水平。 低功效意味著發現具有統計顯著性的真實效應（非零）的可能性很小。
我不會相信一個模型，直到它被擬合後，並通過新的觀察結果進行獨立驗證。 我建議測試兩個條件：預測會產生所需結果的條件和預測糟糕結果的另一個條件。 您可以相信該模型通常能夠很好地預測所有結果。
附帶說明一下，比較設計時要小心。 如果我小心地覆蓋 JMP 更改運行次數、模型項等的自動操作，我沒有發現使用連續因子與數字離散因子的功效有很大差異。 我並不是說你觀察到的力量是錯誤的。 我只是說很容易得到不可比較的功率值。
回复：連續與離散數值因子謝謝馬克，
為了更好地理解，如果 X1*X1 項的功效較低，是否意味著 JMP 在使用分析器時很可能無法準確擬合直線？例如：運行 15 次的一個連續因子的主效應為 0.827，項為 0.39，假設在使用擬合模型和刻畫器分析結果時，我要求 JMP 最大化結果，得到的答案是 300 ，我可以相信嗎？ （或測試點 0、250 和 400 之間的任何其他結果）。
3 或 4 個級別和 15 次運行的離散數字的冪為 0.946，這是一個更好的選擇嗎？
回复：連續與離散數值因子這不會有太大區別。 您可以指定模型，JMP 選擇水平，也可以指定水平，JMP 選擇術語。 連續因素為定制設計師提供了更多自由（沒有級別限制），因此它可能會更好，但不會好太多。 離散數字因子固定優化設計所需的水平和附加項，將其可估計性設置為“如果可能”，因此它們在功效計算中的計數不同。 我建議你自己嘗試一下。 兩種方式設計實驗並檢查評估信息。 只要確保這是一個公平的比較（運行次數、最優性標準、模型項和可估計性等）。
冪項的冪始終遠低於一階項和二因子交互作用的冪。 對於這樣的條件，可能需要大量的運行來實現高功率，這不再經濟。
