DOE 词汇说明<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />我厌倦了忽略我对 DOE 词汇的唠叨，因为我想知道我是否没有完全理解一个概念。 我发现 ALIASING、CORRELATION 和 CONFOUNDING 出现在许多讨论中，有时似乎可以互换使用。例如，JMP 中的 DOE 平台提供了极好的颜色相关图，我在评估潜在设计时广泛使用它，但也有一个别名矩阵。 在许多地方都使用了主效应与双因素交互作用的术语“混杂”。
我了解混杂的概念和重要性，这是我最常使用的术语，因此我不要求讨论在 RES III 与 RES V 设计等背景下的含义。 我的问题是关于这三个术语中每一个的准确定义。 正如我所说，它们有时看起来像是同一事物的不同名称，但我不相信情况确实如此。
对于这一点，我将不胜感激。 如果它们都是一样的东西，为什么我们使用不同的术语？ 如果不是，我真的需要了解每个术语的确切含义和用法。
提前致谢。
回复：DOE 词汇说明
如果设计是正交的，则您的效果估计值彼此不相关。 当设计不是正交时，您可能会有一些部分混叠，在这种情况下，一些效应估计值是相关的：这些估计值会根据其他效应是否在模型中而变化，并且您可能会看到更大的标准误差如果两者都在模型中，则效果。 这并不意味着因素 X1 和 X3 是相关的（除非您有一些潜在的约束），而是说设计的选择方式、它们的效果估计是相关的。 大多数 DOE 书籍在讨论效果估计时都会提到相关性，但通过索引搜索您更有可能看到混叠和混杂。
您仍然有 2 种不同的情况，其中一种存在部分别名：
- X1 和 X3 的主效应估计值之间存在相关性。
- X1 和 X3 的主效应估计值部分混叠。
一个用于完全别名：
- X1 和 X3 的主效应估计值完全相关。
- X1 和 X3 的主效应估计是混淆的。
- X1 和 X3 的主效应估计完全混叠。
一些作者对他们的术语有自己的偏好，并且根据上下文不区分部分别名和完全别名。 例如，在经典筛选设计中，您只处理正交或完全混叠/混淆，因此在这种情况下看到“完全”丢弃的情况并不少见。 文档团队一直在努力保持 DOE 文档的最后几个（和即将发布的）版本的一致性。
回复：DOE 词汇说明如果我可以重复一遍：混杂、混叠和相关性是不一样的。设置 DOE 时，可以将列符号相乘，得到的符号是另一列，可用于另一个因子。因此，该因素被新列“别名化”了。例如，您可能认为 X1、X2 和 X3 之间的三向交互作用极不可能，因此您通过将这三个因子的符号相乘来设置一个列，并将该列用于第 4 个因子。
混淆是指某些列的符号恰好相同。例如，您可能会发现，在设置试验矩阵时，交互作用列 X1X2 可能与 X2X3X4 具有相同的符号。换句话说，X1X2 的效果不能与 X2X3X4 的效果分开——它们是混淆的。
相关性的不同之处在于，两个（或更多）因素倾向于一起移动或沿着相反的路径一起移动。请记住，相关性并不意味着“因果关系”。可能还有其他因素导致两个（或更多）相关因素按照它们的方式移动。
回复：DOE 词汇说明我可能没有很好地陈述我的问题。 我了解颜色相关图，但发现在许多情况下，我提到的三个术语几乎被用作同一事物的不同名称。
具体来说，这三个陈述是否都针对我可能创建的某些设计说了同样的话？
1）X1和X3之间存在相关性
2）X1和X3之间存在混杂
3) X1 和 X3 是别名
有时，在阅读一篇文章或一些文档时，我会看到这些术语甚至在同一段落中互换。
回复：DOE 词汇说明下图是 2 级连续因子的别名/混杂情况的图片。如图所示，将主效应的符号相乘以获得该交互作用的相应符号。* =以第 1 行 X1*X2 为例。正如您在图片中看到的那样，每个主要效果都与说明上述内容的交互项之一完全混淆。 因此，您无法在模型中可靠地使用交互项，因为您知道主效应与其对应的（颜色）交互项之间没有区别。
回复：DOE 词汇说明相关性颜色图让您了解模型中的效应与不在模型中但可能对响应有影响的效应（别名项）之间的关系。 除了上面提到的DOE指南，你还可以看看这个博客： JMP 中用于设计比较的相关单元格图
混杂两种效应意味着无法区分这两种效应。 需要后续运行来区分这些影响，和/或需要对哪些影响可以忽略不计做出假设。 您会看到这也称为别名，但我喜欢将其视为满的别名。 您可以有部分混叠，其中效果既不是正交的，也不是完全混叠/混杂的（想想 Color Map on Correlations 中不是 0 或 1 的条目）。
别名矩阵反映了不在模型中的效应对效应估计产生偏差的程度。 如果模型中的效应存在部分别名，则效应估计的标准误差会更大。 此博客中的更多信息： http://blogs.sas.com/content/jmp/2014/06/05/what-is-an-alias-matrix/
希望这有助于澄清事情。
干杯，
赖安
回复：DOE 词汇说明我对这些概念的简单思考方式如下：
涉及两步工作流程：
第 1 步：评估设计中是否存在要估计的任何效应中的混杂和混叠。 我认为这个动作和短语是同义词。 有点像问，“你怀孕/怀孕了吗？”......你是或不是。 也就是说，任何一种设计要么存在至少一种效应的混杂/混叠，要么不存在。 那么，如果答案是否定的。停止...任何两个效应之间的相关性为零。 如果答案是“是的，此设计中存在混杂或相关性”。 然后进行步骤 2。
第 2 步：下一个合乎逻辑的问题是哪些效应与哪些效应混淆或混淆？ 与这些影响相关的偏差程度是多少？ 这就是相关性出现的地方。 这就是为什么许多人发现 JMP 相关性颜色图是评估设计的绝佳视觉辅助工具。 相关性是与参数估计相关的偏差的度量。
如果您只是从 JMP 主菜单调用，则在 JMP 版本 12 本机帮助中有对这些问题的解释：
帮助 -> 搜索帮助，在搜索字段中输入设计评估窗口，然后选择主题设计评估窗口。
回复：DOE 词汇说明对我来说，混杂、混叠和相关性是不一样的。设置 DOE 时，可以将列符号相乘，得到的符号是另一列，可用于另一个因子。因此，该因素被新列“别名化”了。例如，您可能认为 X1、X2 和 X3 之间的三向交互作用极不可能，因此您通过将这三个因子的符号相乘来设置一个列，并将该列用于第 4 个因子。
混淆是指某些列的符号恰好相同。例如，您可能会发现，在设置试验矩阵时，交互作用列 X1X2 可能与 X2X3X4 具有相同的符号。换句话说，X1X2 的效果不能与 X2X3X4 的效果分开——它们是混淆的。
相关性的不同之处在于，两个（或更多）因素倾向于一起移动或沿着相反的路径一起移动。请记住，相关性并不意味着“因果关系”。可能还有其他因素导致两个（或更多）相关因素按照它们的方式移动。
