相關性和估計效率的彩色圖我正在研究一種具有 2 個連續因子和 1 個離散數值因子的設計，並且該設計的運行次數不能超過 12 次。 當我查看該設計的相關性彩色圖時，它顯示了因素之間的相關性。 我嘗試了不同次數的跑步，希望看到它變得更好，但事實並非如此。 如果我跑次數低於 12 次，設計的能力就會降低，而且我無法跑超過 12 次。 對於設計的正交性我能做些什麼嗎？ 另外，在這種情況下查看估計效率有幫助嗎？
回覆：相關性和估計效率的彩色圖這是我的想法，但根據你建議的設計，因素之間的相關性下降了，所以情況應該是如此。
回覆：相關性和估計效率的彩色圖您的意思是，相關性引起的通貨膨脹很嚴重，因為您預期由於因素範圍有限，影響很小？ 是否有理由無法擴大因子範圍並產生更大的效果？
回覆：相關性和估計效率的彩色圖@馬克貝利我擔心相關性，因為因子水平的微小變化。 但是當使用連續因子而不是離散數字時，相關性會更好，所以我想在這種情況下這對我有用。 謝謝你的解釋。 讚賞
回覆：相關性和估計效率的彩色圖如果您的預期效果至少是響應標準差的 3 倍，那麼 12 次運行的功效就相當高：
即使存在相關性 (+/- 1/3)，此結果也是可以預期的：
相關性不會導致估計值出現偏差。 相關性增加了估計的方差，從而導致置信區間延長：
CI 長約 6%，通膨非常溫和。 我認為這些相關性不會對設計性能造成太大影響。
回覆：相關性和估計效率的彩色圖正確，正如我所說，如果您使用離散數值因子定義水平，則 JMP 定義這些術語。 模型中必須有一個二次項才能保持所有三個因子水準。
非零相關的原因是添加了中心點和設計中的不平衡。 如果省略中心點，仍然會有相關性。 在本例中，使用 12 次運行，每個主效應與涉及其他兩個因素的交互效應相關 (r = +/- 1/3)。 您需要運行 8 次或 16 次才能消除相關性。
為什麼您擔心估算中如此大的相關性？ 您一開始就有高方差反應嗎？ 改變因子水準的影響是否很小？
回覆：相關性和估計效率的彩色圖@馬克貝利感謝您的回覆。 使用連續因子而不是離散數字因子確實有幫助，但我認為當我使用離散數字因子時，添加了排氣溫度的二次項。 現在，如果我只包含主效應和雙因素交互作用，我會再次看到相關性。 這是預期的還是我在做一些不同的事情？
回覆：相關性和估計效率的彩色圖我忘記解決您對正交性的具體要求。 正如您所發現的，實現此特性的成本可能非常高。 它需要完全平衡的設計，並且所有估計列也必須平衡。 我們通常可以在沒有正交性的情況下產生經濟有效的設計。 我發現的 12 次運行似乎相關性較低，因此置信區間長度有些誇大。 看看相關性對於您的情況是否可以接受。
回覆：相關性和估計效率的彩色圖使用離散數字因子沒有任何問題。 它本質上是一個連續因子，但您指定水平，JMP 指定模型中的項。 您也可以使用連續因子並指定術語，然後 JMP 指定水平。 透過這種方式，我在 12 次運行中得到了更好的設計。 我把桌子留在這裡給你。
您的範例似乎使用了具有所有主效應和雙因素交互作用的模型以及排氣溫度的單一二次項。 我用的就是這個型號。
