DOE響應以最大化“負”和“正”類別變量之間的變化我是jmp的新手，正在嘗試優化生化分析。我有多個類別變量和連續變量來嘗試優化我正在使用的緩衝區。然後，我想將“目標”添加為變量（因此該變量具有正數或負數）。沒有這個“目標”，我想使響應最小化，而我想使響應最大化（總的來說，我要使倍數變化最大化）。
在執行此操作之前，先生成沒有此“目標”變量的條件，然後通過重複運行並增加一列來操縱實驗設計。但是，這在嘗試分析數據時變得很困難，因為如果獲得“負數”的均值並從“正數”的均值中減去它，我感覺好像正在丟失信息。我希望就如何指定所需的響應提供一些建議。
回复：能源部的回應，以最大限度地提高“負”和“正”類別變量之間的變化我假設您將為DOE中的每種處理運行一條標準曲線。因此，您將能夠擬合劑量響應曲線，例如4PLC。您可以使用多個響應。您可以最大化上漸近線，最小化下漸近線。然後定位其他參數以獲得所需的動態範圍，以實現所需的靈敏度和特異性。
您是否對響應進行了定量測量？您是否只有樣品的陰性和陽性狀態？
我可能會離開...
回复：能源部的回應，以最大限度地提高“負”和“正”類別變量之間的變化謝謝 @馬克貝利的建議。
就標準曲線而言，是的，我將使用一定量的具有相同響應的已知試劑進行單獨的對照反應。因此，我可以將所有值轉換為已知試劑的x單位。
我可以使用多個響應，但是我不確定如何將帶有“目標”的那些最大化，而將那些沒有“目標”的那些最小化。
是的，我將有定量的輸出（在這種情況下為熒光），此時我還可以滴定目標，但是我覺得那可能會使情況復雜化（因為理想情況下，我只是在最大化正負之間的差異）。
要嘗試擺脫含糊其詞的含義，也許會有助於解釋我的方法。我正在開發一種針對特定疾病的診斷檢測方法。我正在優化所使用的緩衝液，以便當患者樣品為“陽性”時，可以輕鬆地將其與“陰性”患者樣品區分開。我當前的設計是具有標準交互以及RSM的自定義設計。我的反應一式三份。我正在考慮將“正”或“負”用作額外的類別變量，因為在我當前的方法中，我生成的運行中沒有“正”和“負”（並在以後將其添加為額外的列），但是最終我遇到了匯總我的“陽性”重複三次，然後減去“陰性”重複次數的平均值。這似乎不是執行此操作的最佳方法（我丟失了有關標準偏差的信息等），而我希望將jmp的原始數據用於創建優化模型。
我只需要找到一種指定最佳響應的好方法，或者指定此特定用例中最需要的方法。
回复：能源部的回應，以最大限度地提高“負”和“正”類別變量之間的變化您的標準曲線和控製樣本用於質量控制，而不是實際優化的一部分，對嗎？
您需要高靈敏度和特異性。該性能將來自較低的背景（漸近線較低）和較小的標準偏差（空白樣本）。您的樣本緩衝區將影響這些參數。邏輯模型中的其他參數同樣可以用作響應。應盡量減少拐點，以使您更敏感（在較低濃度下信號更多）。斜率或功率參數應最大化，以便在分析物增加較小的情況下獲得更多信號。
調整目標可能不是最簡單的方法，但另一種方法是“選擇贏家”而不是優化。您的診斷是二進制的，但您的測定是定量的。通過專注於定量特徵，您將獲得最高的靈敏度和特異性。然後，您可以根據樣品類型（負/正）的邏輯回歸模型與分析物濃度的ROC曲線，權衡優化分析的靈敏度和特異性。
