关于 2k-p 部分因子设计（n= 4、8、16、32 等）和不是 2 的幂的 Plackett-Burman 设计（例如，n= 12、20、24 等）。
A。这两种类型的设计有什么相似之处，特别是在平衡和正交特性方面？
b.这两种类型的设计之间的主要区别是什么，特别是在两因素相互作用方面？
我知道以下几点：
仅当我们可以确信 2 路交互作用并不重要时，2k-p 部分因子设计才有用。 如果是这种情况，那么我们会发现决议 III 设计非常有用且高效。
Plackett-Burman 设计存在 N = 12, 20, 24, 28, 36, 40, 44, 48, ... 任何能被四整除的数字。 这些设计与决议 III 的设计类似，这意味着我们可以在不考虑其他主效应的情况下估计主效应。 主效应彼此明确，但与其他高级交互作用相混淆。
当我们有 2k-p 设计时，我们有一个别名结构，它会混淆一些因素与其他因素。
Plackett-Burman 设计具有部分混杂，而不是完全混杂，具有 2 路和 3 路以及更高的交互作用。 尽管它们具有某些效应是正交的特性，但它们不具有允许与其他两种方式和更高阶相互作用完全或正交相关的相同结构。
任何建议将不胜感激。
我绝对建议使用 JMP 中的客户 DOE 工具，并创建最佳 DOE，而不是分数阶乘或 Plackett-Burman。它具有许多优点，包括减少因素混淆和 DOE 设计灵活性。您可以设计所需的实验，而不是受限于“经典”设计。
JMP 支持这些旧的设计方法，但并不推广它们。 这正则部分因子设计是在 20 世纪 30 年代开发的不规则部分因子设计由 Plackett-Burman 方法得出的结果发表于 1946 年。 这些设计的目的是在筛选原则成立时支持经济实验的分析。 这些设计不支持更广泛的实验。 这些较旧的方法也是基于当时最好的技术手算设计和模型估计。 今天，我们使用现有的最佳技术：最佳解决方案的计算机算法。
我的建议是学习在 JMP 中使用自定义设计，通常用于广泛的实验，并学习使用明确的筛选设计，特别是用于筛选实验。
您关于旧设计方法的问题很好。 然而，要回答你所有的问题需要很长的答复，而且这样的答复无疑会提出更多的问题。 我建议您阅读以下书籍之一，而不是进行这样的讨论：
- 彼得·古斯和布拉德利·琼斯 (2011) “实验的优化设计：案例研究方法，”John Wiley & Sons（现代设计方法）
- 道格拉斯·蒙哥马利 (2019) 《实验设计与分析，第 9 版，”John Wiley & Sons（全面涵盖经典设计方法）
- 希思·拉欣、安德鲁·卡尔和詹姆斯·维斯诺夫斯基 (2013) Douglas Montgomery 的实验设计和分析：使用 JMP 的补充，”SAS Press（注意：您需要蒙哥马利的书（上面），因为这只是同伴，但非常有用）
- 罗伯特·米 (2009)阶乘两水平实验综合指南，”Springer（对于规则和不规则部分因子设计的出色覆盖）
有许多关于实验统计设计的优秀教科书涵盖了这些主题。 这些建议只是其中的一小部分。
