一般因子设计的数据类型与设计角色我这学期要从 Minitab 过渡到 JMP 来学习一门课程，但我正在为工作流程而苦苦挣扎。
示例：我有一个 2 因子一般析因实验，每个实验有 3 个水平（3^2 设计）。 变量本身是连续的（例如，温度和压力）。 我想做两件事：
1. 评估一般阶乘效应模型具有主效应（温度、压力）和 2 向交互作用（压力*温度），将三个因子水平视为分类变量。
2. 拟合包括二次曲率的响应曲面，其中将因子视为连续变量。
注意：该数据集具有二次曲率，因此高低水平的响应比较相似，中水平是不同的。
对于 #1，如果我将因子作为 3 级连续发送，但将“设计角色”设置为分类，则该模型似乎仍然适合作为低值和高值编码为 -1 和 +1 的连续变量。 中间级别（实际不同的级别）有效编码为 0，不用于效果计算。 如果将其设置为 3 级分类，则模型输出我期望的结果，并为每个级别计算效果，识别中间级别与其他两个级别不同。
如果我知道我想做一个带有分类变量的效果模型分析，然后过渡到用连续变量拟合响应面，最佳实践工作流程是什么？ 一共设置两个不同数据类型的不同数据表？
回复：一般因子设计的数据类型与设计角色我会推荐这种方法，但肯定还有其他方法。 “最佳”将是一种意见。
从 DOE > 经典 > 全因子设计开始。
输入 2 个连续因子，每个因子具有 3 个水平。
使用一次复制进行设计，总共运行 18 次。
填写您的响应数据。
对于方差分析，将两个因素的建模类型更改为名义型。
执行该分析。
对于 RSM 分析，将两个因素的建模类型改回连续。
执行该分析。
回复：一般因子设计的数据类型与设计角色我真的很感激你的时间。 这是一个例子。 我教授的 DOE 课程一直使用 MINITAB。 Montgomery DOE 书的第 5 章概述了从经典方差分析到通过最小二乘回归引入响应面（CCD 设计等稍后介绍）的一般因子设计。
在附加的示例中，单个数据集被分析为一般阶乘，然后是连续表面。 在 MINITAB 中，我们可以设置和分析一般阶乘。 使用相同的数据表，将一般线性回归拟合为连续变量并指定二次方时间。 无需更改数据属性。
JMP 中最好的工作流程是什么？ 这个例子实际上是在 JMP 中完成的，但我缺少工作流最佳实践（更改变量类型或定义新数据表）。
回复：一般因子设计的数据类型与设计角色对不起，我想我对你的问题感到困惑。 我以为您在 DOE>Custom Design 或 DOE>Classical>Response Surface 平台中。 您已经创建并运行了设计，现在您正在尝试分析 2 种不同的方式（一种将变量视为连续变量，另一种将变量视为分类变量）。 只是好奇为什么要更改 x 的数据类型？ 您是否想要获得某些特定的输出（例如，定量或图形）？ 您对什么输出感兴趣？
无论如何，在 JMP 中有多种方法可以做同样的事情。 在教授该软件时，我通常做的是展示可用的不同选项，让每个人选择最适合他们的输出。 轻松直观地查看数据中包含哪些信息的方法。 （JMP 新用户指南https://www.jmp.com/welcomekit/en/#/?_k=evx4id许多在线教程很有用）
回复：一般因子设计的数据类型与设计角色它就像一门新语言。 到目前为止，我喜欢 JMP。 就许可而言，我们大学的学生更容易获得它。
我们有 JMP Pro 15。 我想我混淆了“建模类型”和“设计角色”。 我将数据类型和建模类型设置为“数字”和“连续”，但将设计角色设置为“分类”。 模型类型是我需要设置为名义的，而不是将设计角色设置为分类以获得效果模型。
回复：一般因子设计的数据类型与设计角色您使用的是哪个版本的 JMP？ 在版本 15+ 中，您可以从离散数值、分类、分块、协变量、混合、常数、不受控制（自定义设计选项）中进行选择。 如果将 N 个因素添加为连续，则它们的角色将是连续的。 您可以随时在数据表中更改它。 查看数据表中的因素列表时，您会看到图标，表明它们将在分析中扮演什么“角色”（名义型、有序型或连续型）。
我知道学习一个新软件就像学习一门不同的语言。 但我要说的是，多年来使用了好几个，我认为一旦您习惯了 JMP 和 JMP 的用户界面，它就远远优于 Minitab。
回复：一般因子设计的数据类型与设计角色非常感谢您的快速回复。 这真的很有帮助。 更改连续数据类型的设计角色会对拟合模型产生任何影响吗？ 好像不是，因为设计角色为categorical的连续数据类型，仍然像连续变量一样适合。 我只是想确保我没有遗漏任何东西。
再次感谢！
回复：一般因子设计的数据类型与设计角色我必须同时使用这两个软件程序，所以我可以提供一些指导。 首先，附件是一份可能有帮助的文件。 对于您的情况，您可以通过选择左侧列中变量名称旁边的彩色图标，将变量类型从名义型切换为有序型再到连续型。 要像变量是分类变量一样进行分析，只需选择名义数据类型并在模型中包含三个项（分析>拟合模型）。 对于分配二次项的回归分析测试，将变量切换回连续。 你有几个选择。 Analyze>Fit Model：突出显示包含因素的列，选择 Macro>Response Surface（这将包括模型中的主效应、二阶迭代和二次项。 （或者您可以编写自己的饱和模型）。
如果您需要更详细的解释，请告诉我。
