當Y響應是向量時DOE（例如：Y是曲線）<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />我正在使用一個簡單的3²DOE來查看2個變量對曲線形狀的影響。所以我的回答Y不是單個值而是曲線，即 這裡的Y是一個向量（包含構成曲線的點的y坐標）。
我想知道在JMP中是否有辦法使用Y向量作為整體響應，而不是在構成曲線的每個點上執行經典腳本，這是費力的。
謝謝您的幫助！
Re：當Y響應是向量時DOE（例如：Y是曲線）昆汀，
如果現實世界不那麼複雜，你可以簡單地將正態分佈擬合到PSD。那麼你將只有兩個（而不是40個）完全描述PSD的參數。但是，分佈可能不適合參數分佈，因此您需要關注非參數測量。
我的預感是你需要擔心的PSD功能很少。即使您使用的是PLS模型，它也可能將40“X”值降低到兩個或三個基本屬性，例如分佈的中心，以及它的峰值或平坦度。所有這些都可以通過第10個，第50個和第90個百分位 - 以及它們之間的差異 - 來捕獲，以基本上捕獲粒度分佈的主要特徵。此外，這些措施對於解決該問題的科學家和工程師來說可能更為熟悉（KISS）。
PSD也可能不是唯一關注的屬性（響應）。流動，表面積，水分含量等屬性對於解決問題可能更為重要。這是PLS或MANOVA可能感興趣的地方。
格雷格
Re：當Y響應是向量時DOE（例如：Y是曲線）我認為可行的答案在某種程度上取決於您的數據質量以及您希望使用分析結果的內容。
您可以嘗試使用PLS對構成功能響應的Y值進行建模，或者您可以嘗試某種特徵提取，然後進行進一步分析。塞巴斯蒂安上面的建議可以被認為是後者的一個例子，但它確實假設你可以找到一個有用的模型，理想情況下，參數具有一定的科學或技術相關性。另一個“特徵”可能是曲線下面積（可能在某些相關限制之間），或分位數回歸（可能適用於樣本大小分佈）。
看到：
偏最小二乘模型
http://www.jmp.com/support/help/Distribution_Option_in_Generalized_Regression.shtml
Re：當Y響應是向量時DOE（例如：Y是曲線）親愛的塞巴斯蒂安，
謝謝您的幫助。事實上，我認為這是當時唯一的解決方案。 但是，這意味著您可以將模型擬合到您的數據，這並非總是可行。
無論如何，我會試一試！
再次感謝！
Re：當Y響應是向量時DOE（例如：Y是曲線）最近我遇到了類似的問題。我認為沒有任何直接的解決方案。我們做了以下事情：
1。為每次運行使用非線性平台擬合非線性模型。在我們的例子中，Michaelis-Menten-fit工作得相當好。
2。然後我們使用Michaelis Menten擬合的兩個參數作為我們DOE的響應變量。
這樣我們就有了某種層次模型：X =>非線性擬合參數== Y（表示曲線的相關特徵）。
如果你不趕時間，你可能想參觀2016年在阿姆斯特丹的JMP Discovery Summit，我的老闆將在這裡展示（當然，他的演講將被接受）。
塞巴斯蒂安
Re：當Y響應是向量時DOE（例如：Y是曲線）親愛的smoore2，謝謝你的幫助，但我想我還不夠清楚。
我實際上是想模擬效果僅2個實驗因素在曲線的形狀上，不能通過ay = f（x）函數容易地建模（該曲線實際上是在用所研究的裝置處理之後材料的粒度分佈）。因此，x值是固定的，它們不是變量，而是相應的y值。
我目前找到的唯一解決方案就是以我的11次運行模式解決問題：
- 第一列：因子＃1的值（+1,0或-1），
- 第2列：因子＃2的值（+1,0或-1），
- 第3至42欄：
這是非常費力的，因為我必須分別處理每個x值，並且我想一次處理每個x值，以查看我的因素對全局y = f（x）曲線的影響而不是每個單數（ xi，yi）情侶。
我希望我的解釋清楚，有人知道我能做什麼！
謝謝您的幫助！
Re：當Y響應是向量時DOE（例如：Y是曲線）Quentin，聽起來你的DOE實際上有兩個響應變量 - 矢量響應的x和y值。 您可以使用DOE的結果輕鬆地為每個響應變量建模。 如果x和y變量之間存在強烈的相互作用，則可能存在一些困難，在這種情況下，您可能在y的預測模型中包含x值，反之亦然。 我不確定這是否完全是“猶太潔食”，但這就是我要做的就是看它是否有效。
