美国能源部分析<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />大家好，
我对 JMP 相当陌生，我正在建立 DOE，以研究混合物中几种成分对特定反应的影响。 我只对主要影响和双向相互作用感兴趣。 在拟合模型之前，是否需要检查所有等方差和正态分布的假设？ 我通常在执行单向和双向方差分析时这样做，但对于 DOE 有必要吗？
谢谢
美国能源部分析是的，这是正确的做法。您不会期望响应变量具有正态分布，因为您正在显式执行 DOE 来引起响应变化，以便您可以了解预测变量的影响。然而，一旦你有了一个模型，你就会留下残差，理想情况下应该是正态分布的。我个人不会太担心这个假设（如果你这样做，那么它就不再是一个假设！） - 您不太可能有足够的数据点来执行反驳假设的测试 - 但是，研究残差对于诊断模型问题或改进领域可能很有用。
美国能源部分析谢谢这个戴夫。 我正在分析我的结果。 DOE 的响应值不是正态分布的，但是当我筛选因素并围绕相关因素构建模型时，我保存了响应的残差，在分析时，残差是正态分布的。 这是验证假设的正确方法吗？
干杯，
克里斯
美国能源部分析听起来你很适合进行筛选设计。 您还可以使用自定义设计平台，为模型指定主效应和双向交互作用，并输入您想要的运行次数。 定制设计平台为您处理实验场景提供了更大的灵活性。
美国能源部分析感谢 LouV 和 Dave 的建议。 我本来打算使用混合设计，但据我了解，如果成分的比例很重要，就会使用这种方法。 就我而言，减少一种成分的含量不会影响其他成分的含量。 我只是想知道某种特定成分的存在或不存在是否会影响我的反应。 我是否可以使用筛选 DOE 来做到这一点？
美国能源部分析混合 DOE 是一种独特的 DOE 类型，因为因素或参数是相互依赖的。 它们的行为与常规 DOE 不同，因此我建议您阅读 John Cornell 对 Mixture DOE 的评论，以了解它们独特的统计特性。
http://www.jstor.org/pss/1266850
约翰·康奈尔 (John Cornell) 提供了有关混合设计的权威书籍
http://www.amazon.com/Experiments-Mixtures-Analysis-Probability-Statistics/dp/0471393673
美国能源部分析一般来说，DOE 数据是使用回归模型进行分析的。您讨论的假设通常适用于残差而不是原始数据，因此从这个意义上说，您需要首先构建模型，然后验证假设。这可以通过检查残差来完成。请记住，对于 DOE，数据量通常很小，因此直观地完成此操作就足够了。
戴夫
