4つの要素（温度、速度、層の高さ、および待機時間）と4つの応答（破壊時の応力、破壊時の歪み、弾性率、結晶化度）を備えた解像度IVスクリーニング設計を作成しました。 設計には8回の実行と4つの中心点があるため、合計12回実行されます。私の実験の目標は、各応答の最も影響力のある要因を特定することです。 実験を実行した後、サンプルがあまりうまく印刷されなかったため、実行の1つは他の実行とは非常に異なる結果を示しました（破断時の応力と破断時のひずみがはるかに大きい）。 実行を削除したかった（実行3、温度= 410、速度= 20、レイヤーの高さ= 0.3、待機時間= 11）。より良い適合が得られ、モデルでより多くの要因が検出されたためです。 たとえば、Run3を削除しない場合、破損時のストレスに重要な要因は温度と待機時間です。実行3が削除された後も、温度と待機時間が検出され、3番目の重要な要素として層の高さが検出されました。 また、破断ひずみの場合、実行3が含まれる場合、温度が唯一の要因ですが、実行3がない場合、温度と速度がモデルに含まれます。 ただし、設計評価を確認したとき、実行3を削除すると予測分散が高くなり、特に実行3の因子レベルでかなり高くなりました。 そのため、その実行を削除することが適切かどうかはわかりません。 2つの設計の違いを示すために、いくつかの図を含めました（実行3の有無）。 ありがとう！
ここに私の考えのいくつかがあります。
実験で異常な点を処理するための決定的な「ルール」はありませんが、ダニエルが指摘するように、DOEの分析における5つの最も一般的な欠陥の1つは「悪い値のデータの調査の失敗」です。 これは、ほとんどの実験のデータセットがかなり小さく、特異なデータポイントが定量的手法（ANOVAや回帰など）に大きな影響を及ぼす可能性があるためです。
データポイントの削除を開始する前に、その処理から何を学びましたか？結果が他の結果と大きく異なるのはなぜですか。どれくらい違うの？実験で特に操作されなかった他の変数は何でしたか（別名。ノイズ）しています。 私は何年も前に外れ値のデータポイントについて田口博士と議論したことを覚えています。 測定システムは適切ですか？製品のばらつきから測定誤差を分離することは事実上不可能なストレスおよびひずみ試験などの破壊的試験の場合、これを確認することは困難です。 多くの場合、各治療で複数のサンプルを作成することをお勧めします。そうすれば、治療の評価内でいくつかのサンプルを実行できます。
あなたの状況では、最初にデータが実際に異常値であることを確認してください（高次の治療効果による可能性があるため）。 複数のYがあるので、マハラノビス距離（[分析]> [多変量]> [多変量]、オプションの外れ値分析）で外れ値の可能性をテストできます。 ほとんどの人は、残差を使用して、分析の仮定が満たされていない場合を特定します。ランク分析も役立つ場合があります。
治療が実際に危険にさらされていると確信している場合、結果に対するその治療の効果を確認するためにできることがいくつかあります。
置換：
1。異常なデータポイントを残りのデータポイントの平均で置き換えます
2。残りのデータポイントで回帰し、[保存された結果の保存]を使用すると、JMPは欠落しているデータポイントを「予測」します。
3。予測値を使用する（実験を実行する前に予測を行ったと仮定）
再実行：
1。可能性のあるブロック効果を考慮する必要があるかもしれませんが、その処理を再実行してください
2。実験の一部を再実行します
3。実験全体を再実行しますが、もしそれが私なら、私が学んだことを見て、複製前にレベルを変更します
