DoE筛选平台<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />所以我做了一个阻塞（X1），两个级别（-1，+ 1）三个因子（A，B，C）。 5个在一个块中运行，5个在下一个块中运行。 每个块中有一个控件。 Alias是互动A * B * C.我无法控制其中两个运行的参数。 对于C，两次运行实际上控制在+0.70而不是+1。 所以，我把它输入到软件中。
1分析）使用Fit模型平台，A和B不显着。 C很重要。截距低于应有的截距。 这提供了丰富的信息，但没有那么有用。
2分析）使用筛选平台，有效系数为C和C * C.我使用C和C * C运行模型，结果很有意义。 在生物学上，这也是预期的，因为我并不惊讶响应结果是曲率。 此外，拦截应该是它的位置。 结果模型是合乎逻辑的，对我来说更有用。
所以，我的同事认为我的初始设计不是表面响应设计。 它基本上是一个阻塞全因子DoE，因此，我不能有一个正方形（曲率）的模型。 由于我没有完全理解在报告中完全解释C * C的筛选平台，我应该采取更保守的方法，并使用第一个经典但信息量较少的分析。
如果我的同事是正确的，当我的初始设计不是要检测它时，为什么筛选平台会给我一个C ^ 2。 有没有办法证明得到的平方系数？
Re：DoE筛选平台我讨厌在10次运行后没有获得任何信息的答案。没有重复的问题，即没有纯误差估计 - 每个块中的一个额外中心点会更好。另一方面，你应该有一个正常的效果图，如果它如你所说，你应该有一个清晰的图形指示C作为有效效果（C偏离直线）。如果C是唯一的有效效应，则其余为噪声。C是三级因子，因为在一维因子空间中有一个正负值的中心点。0.7水平是风险，因为设计的正交性在估计C平方系数时有些可疑和资产。如果模型残差是正确的，那么你很可能已经建立了“C only active”假设的强度，相对于任何其他模型。下一步可能是验证实验。
Re：DoE筛选平台筛选平台是一个非常简单的平台。它假定您处于筛选状态，以便筛选原则成立。影响稀疏性，效果等级，效果遗传和投射）。事实上，无论JMP中的哪个设计平台被使用，这个实验实际上都是筛选尚不清楚。因此筛选的结果可能是可疑的。
筛选平台创建对比基于这些原则，直到模型为止饱和的 。因此它首先进入最大的加性效应，然后进入第二大加性效应，依此类推基于效果层次原则 。在模型中的所有主要效果之后，它开始基于效果遗传原理以重要性的顺序使用主效应添加二阶效应（例如，相互作用和二次项）。它一直持续到它使用了所有自由度（即你的情况下为10个术语）。这个想法是，模型的饱和增加了影响稀疏性的机会，并提高了模型的有效性伪标准错误用于 Ť -tests。由于C作为最重要的主效应输入，因此它将基于效应遗传原理在二阶项中提前输入，例如A * C或C ^ 2。因为你只有一个中心点，所以曲率的分配将是C，这是基于效应遗传原理的最重要的主效应。Ť 这里实际上，实验中没有数据可以确定哪些因素导致响应曲率。
Re：DoE筛选平台你是对的......
如果你是一个侦探，那么也许如果C是重要的并且没有其他术语是重要的并且缺乏适合性（因为你提到你重复了每个块中的中心点）那么也许C * C是可能的但是意识到它是与其他可能的术语（B * B和C * C）混淆。
为了真正阐明有效术语，可以通过5次额外运行来增加实验以适应RSM。
Re：DoE筛选平台是的，这是在JMP Custom。 共计10次。控制是中点（0）
Re：DoE筛选平台我想你还没有给我们足够的设计信息。
您是否在JMP中创建了原始设计？如果是这样，你使用了哪个设计生成器（例如 定制，筛选等）？
5 runs in one block, and 5 runs in the next block. One control in each block.
这总计有多少次运行？10或12？您在“控制”运行中使用了哪些A，B和C设置？
-Jeff
Re：DoE筛选平台它符合曲率，科学上我毫不怀疑它是曲率。 我的同事是否正确，我的初始设计不是表面响应设计，因此我不能得到C ^ 2结果？
Re：DoE筛选平台Y = Response，X = C的图表是什么样的？这可能有助于您确定C对响应的潜在影响。
