离散数值因子是好的选择吗？我有 4 个因素和 3 个设置：-
时间 - 5、10、20
水 - 100、200、300
速度1- 2500, 3000, 4000
速度2- 5000、6000、7000
我的反应是粘度，并试图找出在什么设置下可以获得我想要的粘度。 我正在尝试建立一个设计。 由于每个因子都有 3 个设置，因此我考虑使用离散数字因子，但我在 JMP 文档中读到“并非所有水平的离散数字因子都出现在设计中。 显示的级别由模型大纲中的规格决定”。
我需要做什么特定的事情才能获得所有级别吗？ 除了离散数字因子之外，还有其他类型的因子可以回答这个问题吗？
回复：离散数字因子是个好选择吗？@马克贝利是的，默认运行次数不是最大值。 对于那个很抱歉。
是的，我知道分类运行的次数会很高。
感谢您的讨论，我的主要问题是检查是否有我不知道的其他类型或方式用于此设计。 谢谢
回复：离散数字因子是个好选择吗？需要澄清的是，JMP 并未建议最大运行次数。 JMP 提供基于一些简单启发法的默认运行次数。 请根据评估信息（例如功率分析）随意选择其他数字。
让我重申一下您关于专家选择产生合格和不合格粘度水平的答案。 在该因子范围内粘度的变化将比粘度的标准偏差大3-4倍。 真的吗？
是的，我的意思是对所有因素使用分类因素类型而不是离散数字因素类型。 您可以估计交互作用，但运行次数要大得多，并且可能对您来说不切实际。
由于此设计的规范，相关性是不可避免的。 另一方面，最差的相关性约为 1/3，因此您仍然有能力估计这些参数，并且如果效果远大于标准差，则具有相当高的功效。
根据迄今为止此处提供的信息，此设计似乎是一个不错的选择。
只是提醒一下：很高兴您来到 JMP 社区寻求帮助！ 我们会全力以赴。 但我想设定现实的期望。 该区域并不旨在提供咨询或培训。 它旨在帮助解决特定问题。 如果您在实验设计方面需要更广泛的帮助，我们可以指出其他资源。
回复：离散数字因子是个好选择吗？@马克贝利感谢你的回复。
对于运行次数，我使用了 JMP 建议的最大次数。
这些级别由专家决定，他们选择这些级别是为了查看通过和失败的结果。 当你说我可以使用分类因素时，你的意思是对所有这些因素而不是使用分类的离散数字？ 我之前确实尝试过使用分类，但这样我将无法查看交互。
是的，我也研究了交互作用，并且通过最大运行次数，我可以看到相关图中各因素之间的大量相关性。 附件是我的设计，使用离散数字因子并查看二阶交互作用以及 JMP 建议的最大运行次数。
回复：离散数字因子是个好选择吗？定制设计算法必须在级别数和模型中出现的项之间保持一致性。 例如，如果您添加具有四个水平的离散数值因子，则自定义设计会将 F、F^2 和 F^3 添加到模型中。 不过，最后两项的可估计性应该自动更改为“如果可能的话”。 不过，如果您想确保估计这些参数，则可以将可估计性更改为“必要”。
对级别和处理的外观的另一个影响是运行次数。 如果您的选择接近最小运行次数（由必须估计的项决定），您将不会看到很多处理。
这些水平是由人还是由设备决定的？ 例如，这些速度是专家认为有效的水平还是设备上唯一可能的设置？ 听起来（但我可能是错的）您想从观察到的组合中“挑选获胜者”，而不是使用模型进行插值以优化粘度。 在这种情况下，您也可以使用分类因素。
我敢打赌你与这些因素有一些有趣的相互作用。
