DOE級別數HI-
我從客戶那裡得到了以下問題：
“我的問題是我們更專注於更好地確認二次和線性之間的差異。我不認為它是立方或更高。這主要來自我對實驗中的錯誤的關注，我不想錯誤地斷定相關性是二次的，因為一些樣本點的偏差足以比線性擬合更適合二次方。讓我知道這是否有意義或我是誤解。對我來說，有4級或更多級別將提供更強的曲率證據。這讓我感覺更舒服，認為曲率與我測試的隨機性無關。“
從本質上講，他想知道他是否應該添加更多級別（超過3級）以更有信心他是否具有線性模型或四元模型。
我對他的回答，雖然我告訴他我會和其他同事核實，但他應該：
1）查看Prediction Profiler中的圖形關係以查看是否存在曲率
2）最後，為了確定是否存在統計關係，要查看效果表，以及二次方是否具有統計顯著性，請將其保留。
3）如果你有資源來運行額外的運行，那就試一試吧！
有沒有人有任何不同的想法？
Re：DOE級別數嗨Alisa，
我應該注意你添加的數據表，你可能會發現評估設計抱怨（它看著模型和不允許的組合，但找不到AF） - 如果你看看評估可能更容易刪除它們（也許我們我們必須看到解決JMP 15的問題...）
我喜歡彼得的想法，嘗試加權A優化設計。
我還要補充一下，有時候我喜歡使用正交多項式來檢查二次方（jsl：ortho poly），因為有時候使用簡單的方形對於二次方葉，它的動力不足。也就是說，我將採用類似A的列並將其分解為列（一個用於線性組件，一個用於二次方），並將其用於建模。在使用原始編碼之後，他們可能更願意回到更簡單的模型，但它可以幫助指向可能存在的二次效應。
如果你有吳和哈馬達的書，他們會在第1章談論它 - 至少第一版是這樣做的。
乾杯，
瑞安
Re：DOE級別數 @phersh 絕對！這裡是。 我創建了一些假數據，向他展示如何在JMP中分析它。
Re：DOE級別數阿利薩，
是否可以共享您和Don創建的文件？
您是否考慮過加權A優化設計，重點關注感興趣的二次效應？
我認為如果真正有一個活躍的二次效應，在終點和中心點的更多運行會讓你有更好的感覺。 而不是在兩個端點之間選擇4個級別。
Re：DOE級別數老實說，這聽起來像是做了大量的工作！我不確定我理解為什麼，但現在這並不重要。我相信你和唐做了一些合適的事情。至於評估力量，我認為你還可以。獲取您正在分析的數據表，然後選擇DOE>設計診斷>評估設計。您指定因子和模型，它應該進行評估。它不需要是Custom Design創建的東西。
Re：DOE級別數是。 創建帖子後我想到了Power。 憑藉他特定的DOE，我無法檢查權力（或者至少我認為不能）。 他有6個因素，但他一次只想使用3個因素。在...的幫助下 @DonMcCormack ，我們通過CD創建DOE，使用X1-> X3將3個級別表示為離散數字，將X4-> X6表示為具有6個級別的分類因子。X4-> X6的六個水平代表6個因子。我們創造了設計並且它有36次運行。 然後我們使用Disallowed Combinations Filter來打破任何相同因素情況中的選擇2。 然後，我們必須執行多系列堆棧以堆疊級別和因子，然後進行拆分以將它們放入適當的列中。 然後我們在響應列中添加了＆我向他展示了使用Fit Model進行分析的方法，因為Model腳本不起作用。這有意義嗎？因此，在一天結束時，DOE不是可以使用Power Analysis進行評估的DOE。 我不知道有哪種方法來檢查這種“手動/蠻力”DOE的力量。 我錯過了什麼嗎？
Re：DOE級別數您可以查看哪個更好。從本質上講，他想要二次項的高功率。他真的需要知道他們是否真實。默認設計是D-Optimal設計，但I-Optimal設計更適合估計二次項，因此他應該使用I-Optimal設計（在二次方位上稍好一些，但在主效應和相互作用方面的功率更低）所以有一個權衡）。
我為一個因素創建了一個I優化設計（結果將適用於更多因素）和一個二次模型，12個運行。這將導致3級設計。功耗分析如下所示：
現在我創建了一個I-optimal設計，共有12個運行，有4個級別。我必須選擇Discrete Numeric才能做到這一點，但只要我仍然只估計二次模型，那很好。以下是此設計的功耗分析：
正如您所看到的，當您添加更多級別時，您實際上會在二次項上獲得更低的功率（您確實增加了主效果的功率）。我們的定制實驗設計課程中有類似的演示。通過使用更少的級別，您有更好的機會檢測曲率。
這是功率PLUS的整體比較，我添加了設計空間分數圖。3級設計在二次曲面（不是主效應）上提供更好的功率，並且它提供更好的預測方差。總的來說，我認為當它只是一個二次模型時，3個級別優於4個級別。
