连续与离散数值因子例如，当寻找某个因素在特定范围内的最大响应时；总 DNA 100ug 至 400ug，有什么更准确、更有效的方法（更高功率、更少运行）来做到这一点？
- 将因子指定为具有 2 次幂的连续因子 (X1*X1)
- 分配为 3 个级别的离散数值（100、250、400）
过去我总是运行选项 A，但在设计分析过程中，与主效应和第二次交互作用（高于 0.8）相比，我获得的 X1*X1 功效相当低（~0.4），所以我是选择此选项的助手，我这个观念是不是错了？
感谢您的帮助，
回复：连续与离散数值因子首先，实验的设计（治疗组）确实不是影响估计的准确性。 也就是说，估计（参数或响应）的偏差不取决于设计。 估计的偏差取决于模型的形式。
其次，设计确实会影响估计的方差。 这种效果反过来又会影响功率。 随着估计方差的增加，功效会降低。
第三，功效与模型的偏差无关。 功效定义为不犯第二类错误的概率。 仅当备择假设（参数不为零）为真时才有可能。 功效取决于效应大小、响应方差、样本大小（实际上是 DF）和显着性水平。 低功效意味着发现具有统计显着性的真实效应（非零）的可能性很小。
我不会相信一个模型，直到它被拟合后，并通过新的观察结果进行独立验证。 我建议测试两个条件：预测会产生所需结果的条件和预测糟糕结果的另一个条件。 您可以相信该模型通常能够很好地预测所有结果。
附带说明一下，比较设计时要小心。 如果我小心地覆盖 JMP 更改运行次数、模型项等的自动操作，我没有发现使用连续因子与数字离散因子的功效有很大差异。 我并不是说你观察到的力量是错误的。 我只是说很容易得到不可比较的功率值。
回复：连续与离散数值因子谢谢马克，
为了更好地理解，如果 X1*X1 项的功效较低，是否意味着 JMP 在使用分析器时很可能无法准确拟合直线？例如：运行 15 次的一个连续因子的主效应为 0.827，项为 0.39，假设在使用拟合模型和刻画器分析结果时，我要求 JMP 最大化结果，得到的答案是 300 ，我可以相信吗？ （或测试点 0、250 和 400 之间的任何其他结果）。
3 或 4 个级别和 15 次运行的离散数字的幂为 0.946，这是一个更好的选择吗？
回复：连续与离散数值因子这不会有太大区别。 您可以指定模型，JMP 选择水平，也可以指定水平，JMP 选择术语。 连续因素为定制设计师提供了更多自由（没有级别限制），因此它可能会更好，但不会好太多。 离散数字因子固定优化设计所需的水平和附加项，将其可估计性设置为“如果可能”，因此它们在功效计算中的计数不同。 我建议你自己尝试一下。 两种方式设计实验并检查评估信息。 只要确保这是一个公平的比较（运行次数、最优性标准、模型项和可估计性等）。
幂项的幂始终远低于一阶项和二因子交互作用的幂。 对于这样的条件，可能需要大量的运行来实现高功率，这不再经济。
