全因子 + 中心点亲爱的 JMP 社区，
我正在用中心点测试全阶乘。 以下是输入：
- 因子 = 3，水平 = 2（连续数据）。
- 响应 = 1（继续数据）。
- 中心点 = 6
- 重复 = 4
- 使用 Sigma=1 的正态密度函数模拟响应。
我有两个问题：
1. 这个设计可以检测曲率效应吗？
2. 如果是，它能告诉我们哪个二次因子负责并估计它的系数吗？
我问的原因是因为，这两个问题的答案似乎都是“否”。 请参考以下结果。
在这种情况下，除了更好地估计实验误差之外，在 Full Factorial 中选择添加中心点的目的是什么？
谢谢指点。
布，
路易
回复：全阶乘 + 中心点欣赏这两个输入。 这是我第一次发布问题，我很惊讶回复的速度有多快。 无疑增加了我继续使用 SAS JMP 的信心。
回复：全阶乘 + 中心点您不适合的 p 值是您用来检测曲率的值，但如果您有 > 1 个连续因子，则无法确定来源。您实际上无法使用此设计对任何二次效应建模。2 级因子设计只允许您将超平面拟合到数据。如果中心点作为一组明显偏离超平面，则失拟检验将具有较小的 p 值。
作为@Peter_Bartell提到，你有一个巨大的运行预算。在因子设计（完全或部分）中使用中心点是典型的筛选方案，在这种情况下，您有太多因素无法直接尝试估计响应曲面，但您想知道曲率是否存在。 那是不是你的情况。您只需运行 20 次就可以为 3 个因子设计一个不错的响应曲面。
我建议遵循 Peter 关于使用自定义设计的 I 最优设计的建议，并使用 RSM 按钮指定您的模型。这将为您提供所有主效应、双因子交互作用和二次项。如果您可以容纳离面轴值，则中心复合设计 (CCD) 与运行次数相同的 I 最优定制设计相比具有显着优势。在大多数情况下，您的二次效应会获得更高的功效。如果您设置了 60 次以上的运行，您甚至可以复制完整的 CCD 几次。如果您不熟悉最佳设计，创建 CCD 可能也更直接。只要确保您确信轴值具有您可以实际运行的设定点。
回复：全阶乘 + 中心点添加中心点复制背后的那种老式想法有两个方面：1。 检测至少一个因素中的曲率，以及 2。 为 LOF 测试、Pure Error 及其兄弟提供一些额外的自由度。 为什么要将中心点复制添加到已复制的设计中，对我来说似乎否定了上面的 2.。 唯一的其他原因是检测曲率。 但我想我会问，如果您有 60 次以上运行的预算，为什么不运行一个完整的 i - 因子中的最优设计，如果您需要一些纯误差，请在该设计中添加少量重复。 然后你可以估计曲率而不是仅仅检测它。 运行次数少得多。
