離散數值因子是好的選擇嗎？我有 4 個因素和 3 個設定：-
時間 - 5、10、20
水 - 100、200、300
速度1- 2500, 3000, 4000
速度2- 5000、6000、7000
我的反應是黏度，並試圖找出在什麼設定下可以獲得我想要的黏度。 我正在嘗試建立一個設計。 由於每個因子都有 3 個設置，因此我考慮使用離散數字因子，但我在 JMP 文件中讀到「並非所有水平的離散數字因子都出現在設計中。 顯示的等級由模型大綱中的規格決定」。
我需要做什麼特定的事情才能獲得所有關卡嗎？ 除了離散數字因子之外，還有其他類型的因子可以回答這個問題嗎？
回覆：離散數字因子是個好選擇嗎？@馬克貝利是的，預設運行次數不是最大值。 對於那個很抱歉。
是的，我知道分類運行的次數會很高。
感謝您的討論，我的主要問題是檢查是否有我不知道的其他類型或方式用於此設計。 謝謝
回覆：離散數字因子是個好選擇嗎？需要澄清的是，JMP 並未建議最大運行次數。 JMP 提供基於一些簡單啟發法的預設運行次數。 請根據評估資訊（例如功率分析）隨意選擇其他數字。
讓我重申您關於專家選擇產生合格和不合格黏度水平的答案。 在該因子範圍內黏度的變化將比黏度的標準差大3-4倍。 真的嗎？
是的，我的意思是對所有因素使用分類因素類型而不是離散數字因素類型。 您可以估計交互作用，但運行次數要大得多，並且可能對您來說不切實際。
由於此設計的規範，相關性是不可避免的。 另一方面，最差的相關性約為 1/3，因此您仍然有能力估計這些參數，並且如果效果遠大於標準差，則具有相當高的功效。
根據迄今為止此處提供的信息，此設計似乎是一個不錯的選擇。
只是提醒一下：很高興您來到 JMP 社群尋求幫助！ 我們會全力以赴。 但我想設定現實的期望。 該區域並非旨在提供諮詢或培訓。 它旨在幫助解決特定問題。 如果您在實驗設計方面需要更廣泛的幫助，我們可以指出其他資源。
回覆：離散數字因子是個好選擇嗎？@馬克貝利感謝你的回覆。
對於運行次數，我使用了 JMP 建議的最大次數。
這些級別由專家決定，他們選擇這些級別是為了查看通過和失敗的結果。 當你說我可以使用分類因素時，你的意思是對所有這些因素而不是使用分類的離散數字？ 我之前確實嘗試過使用分類，但這樣我將無法查看互動。
是的，我也研究了交互作用，並且透過最大運行次數，我可以看到相關圖中各因素之間的大量相關性。 附件是我的設計，使用離散數字因子並查看二階交互作用以及 JMP 建議的最大運行次數。
回覆：離散數字因子是個好選擇嗎？客製化設計演算法必須在等級數和模型中出現的項目之間保持一致性。 例如，如果您新增具有四個水平的離散數值因子，則自訂設計會將 F、F^2 和 F^3 新增至模型中。 不過，最後兩項的可估計性應該會自動更改為「如果可能的話」。 不過，如果您想確保估計這些參數，則可以將可估計性變更為「必要」。
對等級和處理的外觀的另一個影響是運行次數。 如果您的選擇接近最小運行次數（由必須估計的項目決定），您將不會看到很多處理。
這些水準是由人還是由設備決定的？ 例如，這些速度是專家認為有效的水平還是設備上唯一可能的設定？ 聽起來（但我可能是錯的）您想從觀察到的組合中“挑選獲勝者”，而不是使用模型進行插值以優化粘度。 在這種情況下，您也可以使用分類因素。
我敢打賭你與這些因素有一些有趣的相互作用。
