分數階實驗設計的幫助我如何進行實驗的分數階設計。我看了一些視頻，但是他們沒有很好地向我解釋這些基礎知識。我有需要分析的數據，但是我對實驗設計是陌生的，但是我沒有時間要花時間。我希望有一個交互式的解釋。
我非常感謝提供的任何幫助
回复：用分數階實驗設計幫助我建議您閱讀安裝JMP時下載到計算機上的DOE教程。 它將引導您完成分數分解設計的實現
可以在以下位置找到它：
幫助==>教程==> DOE教程
回复：用分數階實驗設計幫助JMP教程對於初學者來說非常不錯。 如果將數據集附加到此線程，我相信有人會看一下並幫助您進行分析。
回复：用分數階實驗設計幫助附件是我的數據集。最後一個變量是結果變量（Y）。所有其他都進入模型。非常感謝你
回复：用分數階實驗設計幫助您首先需要告訴我們響應變量（Y，幹細胞重量）的哪些變化具有實際價值？對您而言最小的變化增量是多少，目標值是多少？您還跟踪運行順序嗎？
查看您的設計，您在底部有4種處理方法，級別設置有很大不同？這些不是中心點。 對您如何想到這些治療組合感到好奇嗎？
第一眼（再次這是一個盲目的眼神，因為我不知道創建的變體是否具有任何實際價值）：
1。您得到的處理結果異常大，結果為0.706。 該較大值（特殊原因之類的）很可能是由於實驗中的噪聲而不是由於處理效果引起的，因此在使用定量分析時應謹慎。 這種潛力會加劇實驗誤差。
2。我沒有進行最後4種處理就進行了分析，並使用飽和模型附加了分析（JMP Journal）。這是對每個因素和相關相互作用的線性效應的篩選（您已經從一個相當高分辨率的設計開始）。 通常，您可以通過刪除無關緊要的術語來簡化模型，然後重新運行分析以獲得殘差以評估模型的充分性。 為此，首先必須確定這些結果是否具有實際意義。
3。我刪除了一些符合Y值實際變化0.05的術語（帕累托圖），並顯示了統計學上的意義（半正態圖）。 此分析的結果也附在日記本中。 殘差看起來有點雙峰，並且可能還有異常值，表明模型可能存在一些問題。我保存了殘差和此分析的預測公式。
4。然後，我在原始數據集中添加了其他4種處理方式。 預測公式在預測這4個點上做得很差（可能並不稀奇，因為這4個點遠遠超出了設計空間的推斷）。從因子B看，該因子似乎具有非線性效應。
我確定其他人可能會採用其他方式...如果您有任何疑問，請告訴我。
回复：用分數階實驗設計幫助加到 @txnelson 和 @statman ，假設表中的順序是運行的順序，我繪製了運行的因子水平。我看到了一個獨特的模式，表明該實驗不是隨機的。
對隨機化的限制會極大地影響分析。具有單個誤差項（殘差）的線性模型的回歸將使難以更改的因子的I型誤差膨脹，而使易於變化的因子的II型誤差膨脹。看起來您在最後四次之前有五個隨機級別特設治療。
我還添加了可促進對實驗數據進行回歸分析的列屬性。當您使用JMP設計實驗並製作表格時，JMP會自動添加這些屬性。您是從沒有此類屬性的Excel工作簿中導入此數據的。
我使用帶有嶺回歸的廣義回歸來縮小估計值，並使用LASSO選擇具有主要效應和相互作用效應的線性模型的參數，但是如果這個實驗不是隨機的，那麼我懷疑任何回歸是否有效。
