是否可以在筛选设计中加入混合变量？嗨，
我看到有一个选项可以将混合变量放在自定义设计中，但不是筛选设计。我想用4个混合变量进行筛选设计。那么，我是否必须选择自定义设计，然后选择D-optimal进行筛选？如果我这样做，我不会得到明显的混淆效果。我想选择筛选设计，因为我可以看到明显的混淆效果。
Re：是否有可能在筛选设计中加入混合变量？我不知道如何直接从设计创建过程中将关联的颜色映射到表中。如果您确实需要在表格中使用这些结果，则可以使用多变量方法>多变量来保存设计并从结果数据表创建相关性。请注意，您可能需要在数据表中为该方法构建任何交互列。
Re：是否有可能在筛选设计中加入混合变量？谢谢丹!!
有没有办法以相关值的形式导出相关的彩色图？
Re：是否有可能在筛选设计中加入混合变量？别名矩阵解决了模型中未包含的术语如何影响模型术语估计的问题。对于混合设计，您确实希望了解模型术语的相关性。相关性越高，您的参数估计值越“不稳定”，那些影响统计测试的参数估计值的方差越大，等等。
您应该查看相关性上的颜色映射，而不是别名矩阵。请注意，将鼠标悬停在该矩阵上的任何彩色方块上也会为您提供相关值。
Re：是否有可能在筛选设计中加入混合变量？谢谢丹!!
你说混合物的设计会产生主效应之间的相关性。但Alias Matrix仅显示主效应和2因子相互作用之间的相关性。有没有办法找到主效应之间的相关性？
Re：是否有可能在筛选设计中加入混合变量？您可以使用“别名矩阵”和/或使用“设计评估”大纲项中的“关联色彩映射”。
请注意混合物设计将在MAIN EFFECTS之间产生相关性（部分混淆），而不仅仅是相互作用（毕竟，最后一个成分的值完全取决于其余部分）。混杂程度取决于某些组件范围的狭窄程度。这可以通过使用伪组件编码（JMP自动执行）来减少，但是您可以对这些相关性做很多事情。您可以做的最好的事情是使组件范围尽可能广泛。
混合模型是关于生成预测，而不是因果结论（例如，更高的响应可能是由于增加组件A或减少组件B，因为您无法在不更改其他组件的情况下更改一个组件）。底线是经典设计的规则不适用于混合物，因此相关值没有“理想的限制”。
Re：是否有可能在筛选设计中加入混合变量？谢谢丹！
所以我想混合器设计我需要看看Alias Matrix的部分混淆。那么我是否有任何特定的值可以考虑2因子相互作用效应不与主要影响混淆？
Re：是否有可能在筛选设计中加入混合变量？JMP中的筛选设计平台用于实验设计的“经典”方法，仅与独立因子相关，换句话说，不是混合因子。除了那些经典设计之外，还有许多筛选因子的方法。JMP教育甚至有一整套课程致力于创建和分析筛选设计！（ JMP软件：现代筛选设计 ）
在筛选设计中，您正在尝试确定最重要的因素。对于混合情况，可以使用自定义设计轻松完成，只需指定主效果模型即可。每个组件的参数估计值与响应的总体平均值之间的差异是效果大小的指示。效果大小越大，组件越重要。您可以在本书中看到更完整的讨论以及其他可能的方法配方开发策略由Snee和Hoerl。
至于混淆效果，在经典设计（具有独立因素）中，您运行筛选设计并将具有完全混淆/混叠。采用混合物设计，即使不进行筛选，也总会产生局部混淆。因此，你永远不会得到明显的混淆。你总会得到一堆部分混淆。混合物设计与传统设计有很大不同。JMP教育还有一门课程涵盖了混合物设计和分析的基础知识（ JMP软件：混合物实验的设计和分析 ）。
