相关性和估计效率的彩色图我正在研究一种具有 2 个连续因子和 1 个离散数值因子的设计，并且该设计的运行次数不能超过 12 次。 当我查看该设计的相关性彩色图时，它显示了因素之间的相关性。 我尝试了不同次数的跑步，希望看到它变得更好，但事实并非如此。 如果我运行次数低于 12 次，设计的能力就会降低，并且我不能运行超过 12 次。 对于设计的正交性我能做些什么吗？ 另外，在这种情况下查看估计效率有帮助吗？
回复：相关性和估计效率的彩色图这是我的想法，但根据你建议的设计，因素之间的相关性下降了，所以情况应该如此。
回复：相关性和估计效率的彩色图您的意思是，相关性引起的通货膨胀很严重，因为您预计由于因素范围有限，影响很小？ 是否有理由无法扩大因子范围并产生更大的效果？
回复：相关性和估计效率的彩色图@马克贝利我担心相关性，因为因子水平的微小变化。 但是当使用连续因子而不是离散数字时，相关性会更好，所以我想在这种情况下这对我有用。 谢谢你的解释。 赞赏
回复：相关性和估计效率的彩色图如果您的预期效果至少是响应标准差的 3 倍，那么 12 次运行的功效相当高：
即使存在相关性 (+/- 1/3)，此结果也是可以预期的：
相关性不会导致估计值出现偏差。 相关性增大了估计的方差，从而导致置信区间延长：
CI 长约 6%，通胀非常温和。 我认为这些相关性不会对设计性能造成太大影响。
回复：相关性和估计效率的彩色图正确，正如我所说，如果您使用离散数值因子定义水平，则 JMP 定义这些术语。 模型中必须有一个二次项才能保持所有三个因子水平。
非零相关的原因是添加了中心点和设计中的不平衡。 如果省略中心点，仍然会有相关性。 在本例中，使用 12 次运行，每个主效应与涉及其他两个因素的交互效应相关 (r = +/- 1/3)。 您需要运行 8 次或 16 次才能消除相关性。
您为什么担心估算中如此大的相关性？ 您一开始就有高方差响应吗？ 改变因子水平的影响是否很小？
回复：相关性和估计效率的彩色图@马克贝利感谢您的回复。 使用连续因子而不是离散数字因子确实有帮助，但我认为当我使用离散数字因子时，添加了排气温度的二次项。 现在，如果我只包含主效应和双因素交互作用，我会再次看到相关性。 这是预期的还是我在做一些不同的事情？
回复：相关性和估计效率的彩色图我忘记解决您对正交性的具体要求。 正如您所发现的，实现此特性的成本可能非常高。 它需要完全平衡的设计，并且所有估计列也必须平衡。 我们通常可以在没有正交性的情况下产生经济有效的设计。 我发现的 12 次运行似乎相关性较低，因此置信区间长度有些夸大。 看看相关性对于您的情况是否可以接受。
回复：相关性和估计效率的彩色图使用离散数字因子没有任何问题。 它本质上是一个连续因子，但您指定水平，JMP 指定模型中的项。 您还可以使用连续因子并指定术语，然后 JMP 指定水平。 通过这种方式，我在 12 次运行中得到了更好的设计。 我把桌子留在这里给你。
您的示例似乎使用了具有所有主效应和双因素相互作用的模型以及排气温度的单个二次项。 我用的就是这个型号。
