実験の分数要因設計のヘルプ実験の分数階乗計画を実行するにはどうすればよいですか。私はいくつかのビデオを見ましたが、それらは私に基本を非常によく説明しませんでした。分析する必要のあるデータはありますが、実験の設計は初めてですが、まだ余裕がありません。私はインタラクティブな説明を好むでしょう。
提供されたヘルプに感謝します
再：実験の分数要因設計を支援するJMPのインストール時にコンピューターにダウンロードされるDOEチュートリアルを実行することをお勧めします。 分数階乗計画の実装を順を追って説明します
次の場所にあります。
ヘルプ==>チュートリアル==> DOEチュートリアル
再：実験の分数要因設計を支援するJMPチュートリアルは、初心者に非常に適しています。 データセットをこのスレッドに添付すると、誰かが見て、分析するのを手伝ってくれると思います。
再：実験の分数要因設計を支援する添付されているのは私のデータセットです。最後の変数は結果変数（Y）です。他のすべてはモデルに入ります。どうもありがとうございました
再：実験の分数要因設計を支援する最初に、応答変数（Y、乾燥セル重量）のどのような変更が実際的な価値があるかを教えてください。あなたにとって重要な変化の最小増分と目標値は何ですか？また、実行順序を追跡しましたか？
あなたのデザインを見ると、レベル設定が大きく異なる4つのトリートメントが下部にありますか？これらは中心点ではありません。 どのようにこれらの治療の組み合わせを思いついたのか興味がありますか？
最初の外観（ここでも、作成されたバリエーションに実際の価値があるかどうかはわかりませんが、これは盲目的です）
1。結果が0.706である治療の結果が異常に大きい場合。 この大きな値（特別な原因など）は、治療効果によるものではなく、実験のノイズによる可能性が高いため、定量分析の使用には注意が必要です。 この可能性により、実験誤差が増大します。
2。最後の4つの処理なしで分析を行い、飽和モデルを使用して分析（JMP Journal）を添付しました。これは、各要因と関連する相互作用の線形効果のスクリーニングです（かなり高解像度の設計から始めました）。 通常、重要でない項を削除してモデルを単純化し、分析を再実行して残差を取得し、モデルの妥当性を評価します。 これを行うには、まず、これらの結果が実際に重要かどうかを判断する必要があります。
3。Yの.05の変化（パレートプロット）の実用的な重要性を満たし、統計的有意性も示した用語（半正規プロット）を削除して遊んでみました。 この分析の結果は添付のジャーナルにもあります。 残差は少し双峰的に見え、モデルに問題があるかもしれないことを示す異常値もあります。この分析のために残差と予測式を保存しました。
4。次に、元のデータセットに追加した4つの処理を追加しました。 予測式は、これらの4つのポイントを予測するという非常に貧弱な仕事をしました（これらの4つのポイントが設計空間の推論をはるかに超えているため、おそらく珍しいことではありません）。因子Bを見ると、この因子は非線形効果を持っているように見えます。
他の人は別のアプローチを取っていると思います...質問があれば教えてください。
再：実験の分数要因設計を支援するに追加しゅうそして @statman 、表の順序が実行の順序であると仮定して、実行にわたって因子レベルをプロットしました。この実験は無作為化されていないことを示唆する明確なパターンがあります。
ランダム化の制限は、分析に劇的な影響を与える可能性があります。単一の誤差項（残差）を持つ線形モデルの回帰により、変化しにくい因子のタイプIの誤差が増加し、変化しやすい因子のタイプIIの誤差が増加します。最後の4つより前に5つのレベルのランダム化があるようですこのためにトリートメント。
また、実験からのデータの回帰分析を容易にする列プロパティを追加しました。JMPを使用して実験を設計し、テーブルを作成すると、JMPはこれらのプロパティを自動的に追加します。このようなプロパティを持たないExcelブックからこのデータをインポートしました。
一般化回帰とリッジ回帰を使用して推定値を縮小し、LASSOを使用して主効果と相互作用効果を持つ線形モデルのパラメーターを選択しましたが、この実験がランダム化されていない場合、回帰は有効ではないでしょう。
