DOEレベル数こんにちは-
私は顧客から以下の質問を受けました：
「私の質問は、二次と線形の違いをよりよく確認することに集中していました。立方体以上になるとは思わない。これは主に、私の実験における誤差に関する懸念から来ています。ここでは、サンプル点のいくつかが線形近似よりも2次近似に適合するのに十分外れているため、相関が2次であると誤って結論づけたくありません。これが理にかなっているのか、それとも私が誤解しているのかを教えてください。私には、4つ以上のレベルを持つことは曲率のより強い証拠を提供するでしょう。これにより、曲率は私のテストのランダムさとは関係ないと結論づけることがより快適になるでしょう。」
基本的に、彼は自分が線形モデルか二次モデルを持っているかどうかについてもっと自信を持つためにもっと多くのレベル（3以上）を追加すべきかどうか知りたいと思っています。
私の答えは、他の同僚に確認するつもりだと言ったが、彼はすべきだ：
1）予測プロファイラーでグラフィカルな関係を調べて、曲率があるかどうかを確認します。
2）最後に、統計的な関係があるかどうか、効果表を見るために、そして二次式が統計的に有意である場合、それを保持します。
3）追加のランを実行するためのリソースがある場合は、試してみてください。
他に誰かが違う考えを持っていますか？
再：DOEレベルの数こんにちはアリサ、
追加したデータテーブルに注意してください、Evaluate Designが文句を言うかもしれません（ModelとDisallowed Combinationを見て、AFが見つかりません） - Evaluateを見れば削除する方が簡単かもしれません（多分私達はJMP 15でこれに対処することについて確認する必要があります...）
私はPeterのアイデアが気に入っています。加重A最適設計を試すことです。
また、二次方程式に単純な二乗法を使用すると過小評価になるので、二次方程式をチェックするために直交多項式を使用したい場合もあります（jsl：ortho poly）。つまり、A列のようなものを列に分割し（1つは線形コンポーネント用、もう1つは2次用）、モデリングに使用します。彼らはオリジナルのコーディングを使った後でより単純なモデルに戻ることを好むかもしれませんが、それはそこにあるかもしれない二次効果を指すのを助けることができます。
あなたが呉と浜田の本を持っているならば、彼らは第1章でそれについて話します - 少なくとも最初の版はしました。
乾杯、
ライアン
再：DOEレベルの数 @Phersh 絶対に！ここにあります。 JMPで分析する方法を示すために、偽のデータをいくつか作成しました。
再：DOEレベルの数アリサ、
あなたとDonが作成したファイルを共有することは可能でしょうか？
また、関心のある2次効果に焦点を当てて、重み付きA最適設計を検討しましたか？
端点と中心点でのランニング数が多いほど、本当にアクティブな2次効果がある場合は、より良い感じが得られると思います。 2つのエンドポイントの間にある4つのレベルを選ぶ代わりに。
再：DOEレベルの数正直なところ、それはひどい仕事が終わったようですね。その理由がわからないが、それは今のところ重要ではない。私はあなたとドンが適切なことをしたと確信しています。力を評価することに関しては、私はあなたがまだできると思います。分析しているデータテーブルを見て、DOE> Design Diagnostics> Evaluate Designを選択してください。あなたは要因とモデルを指定し、それが評価をするべきです。カスタムデザインによって作成されたものである必要はありません。
再：DOEレベルの数はい。 ポストを作成した後、私はパワーについて考えました。 彼の特定のDOEでは、私は力をチェックすることができません（または少なくとも私ができるとは思わない）。 彼には6つの要素がありますが、一度に使用したいのはそのうち3つだけでした。の助けを借りて @DonMcCormack CDを介して、X 1 - > X 3を使用して3つのレベルを離散数値で表現し、X 4 - > X 6を6つのレベルを持つカテゴリファクタとしてDOEを作成しました。６つのレベルのＸ ４→Ｘ ６が６つの因子を表した。デザインを作成しました。36回実行しました。 次に、Disallowed Combination Filterを使用して、同じ要素の状況から2つの選択肢を除外しました。 それからレベルとファクタを積み重ねるためにMultiple Series Stackをして、それからそれらを適切な列に入れるために分割しなければなりませんでした。 それから私たちは応答の欄に追加しました。そしてモデルスクリプトがうまくいかなかったので私は彼にフィットモデルを使って分析する方法を示しました。これは意味がありますか？したがって、結局のところ、DOEはPower Analysisで評価できるものではありません。 私はこの力を「手で/ブルートフォースで」DOEで調べる方法を知りません。 私は何かが足りないのですか？
再：DOEレベルの数どちらが良いかを確認することができます。基本的に、彼は二次項のために高い力を望んでいます。彼は本当に彼らが本物であるかどうかを知る必要があります。既定の設計はD-Optimal設計ですが、I-Optimal設計は2次項の推定に適しているため、I-Optimal設計を使用する必要があります（2次式ではやや優れていますが、主効果およびインタラクションでは低電力だからそこにトレードオフがあります）。
1つの因子に対して最適な設計を作成し（結果はより多くの因子に対しても当てはまります）、2次モデル、12回実行しました。これは3レベルのデザインになります。電力解析は次のようになります。
今、私は4つのレベルで12回の実行で最適のデザインを作成します。これを行うにはDiscrete Numericを選択する必要がありますが、それでも二次モデルのみを推定する限り、それで問題ありません。これがこのデザインの消費電力解析です。
ご覧のとおり、レベルを追加すると、実際には2次項のパワーが低くなります（主効果のパワーが上がります）。私たちのカスタム実験デザインクラスではこれに似たデモンストレーションをしています。使用するレベルを少なくすることで、曲率を検出できる可能性が高くなります。
これはべき乗PLUSの全体的な比較です、私はデザインスペースプロットの分数を加えました。3レベルの設計は、2次式に対して優れたパワーを発揮し（主効果ではありません）、さらに優れた予測分散を提供します。全体的に見れば、3レベルが2次モデルである場合、4レベルよりも3レベルが優れていると思います。
