2因子階乘和絕對協變量（我認為！）我正在設計一個有兩個有趣因素的實驗。我有足夠的時間進行16次30分鐘的跑步。在每30分鐘的運行過程中，一個團隊（作為一個單位）要接觸4個對象（或項目），並且這4個對像中的每個對像都會產生可測量的響應，這些響應包含我們的依存響應變量。為了多樣化和真實性，從4個對像中隨機抽取了這4個對象（我們可以做更多） 8)對象，因此不會在每次運行時為它們提供相同的方案。這4個項目在每次運行之前是已知的，但被隨機分配。這些運行配置中的每一個都易於從一個運行更改為下一個運行-在將它們適當隨機分配到運行矩陣後，它們都已預先準備好。該圖像顯示了此設置，儘管我們的運行順序當然是隨機的。如果我僅對這兩個因素的主要影響和相互作用感興趣，那麼JMP中最適合設計和分析的設置是什麼？
回复：2因子階乘和絕對協變量（我認為！）我需要更多信息。 共有8個可能的對象？您實際上在測量什麼？是一樣的Y嗎？每個對象的結果應該相同嗎？您知道每個對象的結果應該是先驗的嗎？您可以將度量標準化（例如，與目標的增量）嗎？
一猜一個對象的每次測量都是處理組合的重複（不視為獨立事件）。 對於每種治療組合，您可能可以求平均值並取4個量度的方差（可能是測量誤差）（所以2個Y？）。 在這種情況下，您具有3個總自由度，並且Y的模型為Factor1 + Factor2 +（Factor1）（Factor2）。
另一個猜測如果您按照建議隨機分配了16個治療/運行（仍然只有4種治療組合），則可以考慮與運行無關的事件。 如果是這樣，則您有15個DF：Y =因子1 +因子2 +（因子1）（因子2）+錯誤
在任何情況下，這4個對像都與因變量有關，而不與自變量有關。
回复：2因子階乘和絕對協變量（我認為！）共有8個可能的對象？
是的，但那8位代表了理論上的龐大人口。它們是一些我們不關心的具有不同特徵的對象。
您實際上在測量什麼？是一樣的Y嗎？
每次運行我們都會有幾個因變量。例如，timeToDoActionX
每個對象的結果應該相同嗎？
沒有
您知道每個對象的結果應該是先驗的嗎？
沒有
您可以將度量標準化（例如，與目標的增量）嗎？
沒有
回复：2因子階乘和絕對協變量（我認為！）很難針對您的具體情況提供具體建議，但是我可以想到兩種方法來處理對象之間的差異：
1。如果您有關於對像如何影響因變量的假設，則可以分配這些效果……類似於阻塞的想法。 在這種情況下，您將要“控制”與每個治療組合相關的對象，而不是完全隨機化。
2。如果您缺乏假設，則將每種處理的對象隨機化，並使用這些重複項來估計實驗誤差。
回复：2因子階乘和絕對協變量（我認為！）謝謝 @statman ...我想知道是否有任何JMP培訓數據文件類似於這種情況。更多細節可循。
這是在實驗室環境中的在環實驗，我們可以在其中控制感興趣的因素，並為操作現實主義注入一些不同的方案。在30分鐘的跑步過程中，各種對像都是呈現給參與者團隊的不同目標配置文件。
一次運行中的幾個（例如4個）場景對像中的每一個都是團隊在30分鐘時間內跟踪的目標。這是關鍵的響應變量-跟踪對象的時間百分比。某些因素級別（具有更好的跟踪功能）大概可以提高團隊績效-即，跟踪時間所佔的百分比更高。
在這16個30分鐘的跑步中的任何一個中，對於這30分鐘的跑步，兩個主要因素是固定的。由於析因設計中有2x2 = 4個因子水平組合，因此每個組合有4個重複。沒事的 但這使我感到困惑，如何正確地處理（尤其是在JMP中）操作員團隊在每次運行中都會遇到的那些情況。這些方案概要文件/對像在許多方面有所不同-類型，速度，高度等-分類和數字特徵的組合，除了產生多樣性外沒有其他特別的興趣。它們被隨機分配給每個運行。如果這些目標數量有限，我是否將它們視為分類協變量？如果可能的話，我需要一些直接參考JMP DOE對話框的建議。
再次感謝，
格雷格
回复：2因子階乘和絕對協變量（我認為！）每次回答後，我都會更好地了解您要做什麼。 讓我確定，您對理解多個物體表現出的“噪聲”（類型，速度，高度等）不感興趣。 我個人認為您可以利用以下優勢：
1。設計因素和相互作用的影響是什麼
2。這些影響在變化的噪聲條件下是否一致
3。是否與特定的噪聲變量有任何相互作用。
如果這些效果取決於對像變化，那麼說“平均而言，這些是設計因素效果”可能不是很有用。
同樣，您有多個選擇。 我不確定是否將不同的對象效果稱為“協變量”，但是您可以將它們視為塊（例如，也許是隨機塊）。 如果您想了解上面列出的效果，可以採用分割圖方向。
如果您想創建一個假設的數據表，我可以建議一些分析步驟。
回复：2因子階乘和絕對協變量（我認為！）好吧，不確定是否還有其他方法可以描述我們正在嘗試做的事情。感興趣的兩個因素是分類的，如其低/高表示所建議的那樣，響應通常是百分比（跟踪時間佔總時間的百分比，或成功佔機會的百分比）。
回复：2因子階乘和絕對協變量（我認為！）抱歉，但是討論起來會更有效率...無論如何，我附帶了一個假設數據集，其中包含4個大小為4的隨機塊。 我提供了2個響應：跟踪時間和占總數的百分比（您可以使用實際時間，因為總時間是固定的）。 以下是進行此分析的3種方法，所有方法均使用Fit Model Platform。
1。JMP默認（REML）。分析>擬合模型（我將在其中添加二階效果）
2。編寫您自己的文章，並包括按要素進行的交互。 這是一個飽和模型，刪除項（使用正態圖和帕累托圖）以獲得適當的模型
3。 編寫自己的模型。 僅包括塊效應和因子效應的階乘。 這將為您提供典型的方差分析輸出
這些模型在隨附的HypoJournal中。
回复：2因子階乘和絕對協變量（我認為！）嗯 不確定我是否了解這些塊的作用。回复：2因子階乘和絕對協變量（我認為！）謝謝 @statman ，我認為您可能正在使用阻塞應用程序。這可能是合適的。假設原始帖子的網格中有8個不同的目標配置文件（T1，T2，...，T8）等確實具有一些明顯的特徵，例如速度（快與慢）或大小（大與小）。）。即使我不在乎該特性對響應的影響，但如果我擔心它引入了不必要的噪聲，也可以阻止它。我認為我對封鎖的困惑源於我對封鎖的先入之見，以及對“難以改變”因素的典型用法-對我來說，這意味著我們被束縛了只需要使用T1進行大量跑步的需求目標，然後是一堆只使用T4目標的跑步等 -好像“目標類型”是很難改變的因素。我並不受這種方式的約束，但是我收集到即使在一定範圍的運行中它不能保持恆定，我也可以針對目標類型進行阻塞。我有那個權利嗎？抱歉，這已成為我的DOE課程，而不是針對JMP的問題，但是我正在嘗試將我遇到的許多阻止示例與我的情況相協調。
謝謝
回复：2因子階乘和絕對協變量（我認為！）嘿，不用擔心。 通常，有關“最佳”方法的建議在很大程度上取決於具體情況，即使如此，仍然有多種選擇。 我通常要做的是佈置多個選項，預測所有可能的結果以及每個選項將“引導”我的位置。 然後選擇一個去，意識到我需要進行迭代。 阻塞可能會造成混淆，因為阻塞（Fisher）的最初用途是應用於農業環境。 在工業情況下，阻塞具有不同的用途。 如果您能夠識別特定的噪聲變量並能夠在實驗過程中對其進行控制，則有幾種不錯的選擇（分割圖是一個）。 如果您可以識別它們並且可能不專門控制它們（例如，將它們分組，例如環境條件），那麼還有其他選項可用。 在工業實驗中，我不建議使用2個以上的塊（在工業實驗中以2個以上的水平運行的唯一原因是估計非線性影響），因為非線性塊影響沒有意義。 現在，您可以通過運行每個已識別的噪聲在該塊內保持恆定並在各塊之間變化的塊來放大這些塊。 如果您以這種方式運行實驗，則可以將塊視為固定效果，並為塊和逐因子交互分配自由度。 健壯的設計是缺少因果關係的交互，因此該方法可以加速創建健壯的設計。
如果您在整個實驗過程中都無法識別或“管理”噪聲，我們將被隨機分配以增加推理空間並減輕統計測試中的偏差。
“阻止您可以做到的，隨機化您不能做到的”。GEP盒
