EVOP/混合设计/弗兰肯斯坦设计问题我在混合设计方面没有太多经验，所以我正在寻找一些个人指导，以了解潜在客户/客户的“下次发生这种情况”。 我有一个经常使用极端顶点混合设计的前景。 他们的想法是，如果设计因素空间的一个区域看起来很有前途，但它位于空间的边缘，那么如何将设计空间作为一种 EVOP 方法朝着第二个设计的承诺方向移动呢？ 因此，第二个设计与第一个设计空间的大部分重叠。 首先分析第二个设计，因为它是自己独特的单一设计。 然后将两个设计结合在一起并分析整个混乱情况。
我的第一个想法是，如果没有别的，第二个设计可以作为一种手段来确认第一个设计的预测，因为空间重叠。 在 Frankenstein 设计的构建过程中，是否还有其他我没有从分析角度考虑的“陷阱”……可能进入类似 EVOP 的迭代 3 和 4？
有人告诉我拟合模型/标准最小二乘平台可能不是分析弗兰肯斯坦设计的最佳场所？ 也许广义回归，惩罚方法？
我很想听听人们的想法。
回复：EVOP/混合设计/弗兰肯斯坦设计问题由于成分的百分比必须加起来为 1，因此混料设计具有内置相关性。 通过添加上限和下限或线性不等式约束来进一步约束成分，使得参数估计中的相关性更高。 最后，添加越来越多的模型项（二阶和三阶效应）会产生更多相关性。
因此，我认为混合设计应该几乎总是被视为响应曲面设计。 最重要的设计诊断是实验区域内预测的方差。
对于模型选择，我建议删除组中的高阶项，以查看每个组是否在预测响应中产生实质性差异。 您还可以将一组的平方和相加并进行多自由度假设检验，以查看包含该组项的重要性。
回复：EVOP/混合设计/弗兰肯斯坦设计问题我同意 Augment Design 平台是构建第二个、第三个和更多设计的途径。 这对我来说非常简单。 我最不清楚的是关于分析弗兰肯斯坦设计的最佳途径的想法。 我只是在想 Frankenstein 设计的最优性标准可能不是你想要的，与他们运行一个具有我最优性的设计相比，比如 3 个混合因子。 并且因子相关性会变得非常混乱......导致高 VIF 和不稳定的参数估计？ 还是我的想法被误导了？
这让我想说 Gen Reg 惩罚了回归空间？ 我认为参数估计几乎没有可解释性……但对于这个特定问题来说没关系……主要目标是预测响应。
回复：EVOP/混合设计/弗兰肯斯坦设计问题我同意 Mike 的观点，Augment Designer 是在这里使用的工具。 单击该设计器中的扩充按钮后，您可以更改因子的范围以移动到新区域。 您还应该单击复选框以使新运行成为一个单独的块。 如果该效果显着，则表明截距在两组运行之间发生了变化。
回复：EVOP/混合设计/弗兰肯斯坦设计问题我认为您描述的工作流程是我们拥有 Augment 平台的本质。 或许@布拉德利琼斯可以在这方面给我们一些智慧。
最好的，
米
