一般因子設計的數據類型與設計角色我這學期要從 Minitab 過渡到 JMP 來學習一門課程，但我正在為工作流程而苦苦掙扎。
示例：我有一個 2 因子一般析因實驗，每個實驗有 3 個水平（3^2 設計）。 變量本身是連續的（例如，溫度和壓力）。 我想做兩件事：
1. 評估一般階乘效應模型具有主效應（溫度、壓力）和 2 向交互作用（壓力*溫度），將三個因子水平視為分類變量。
2. 擬合包括二次曲率的響應曲面，其中將因子視為連續變量。
注意：該數據集具有二次曲率，因此高低水平的響應比較相似，中水平是不同的。
對於 #1，如果我將因子作為 3 級連續發送，但將“設計角色”設置為分類，則該模型似乎仍然適合作為低值和高值編碼為 -1 和 +1 的連續變量。 中間級別（實際不同的級別）有效編碼為 0，不用於效果計算。 如果將其設置為 3 級分類，則模型輸出我期望的結果，並為每個級別計算效果，識別中間級別與其他兩個級別不同。
如果我知道我想做一個帶有分類變量的效果模型分析，然後過渡到用連續變量擬合響應面，最佳實踐工作流程是什麼？ 一共設置兩個不同數據類型的不同數據表？
回复：一般因子設計的數據類型與設計角色我會推薦這種方法，但肯定還有其他方法。 “最佳”將是一種意見。
從 DOE > 經典 > 全因子設計開始。
輸入 2 個連續因子，每個因子具有 3 個水平。
使用一次復制進行設計，總共運行 18 次。
填寫您的響應數據。
對於方差分析，將兩個因素的建模類型更改為名義型。
執行該分析。
對於 RSM 分析，將兩個因素的建模類型改回連續。
執行該分析。
回复：一般因子設計的數據類型與設計角色我真的很感激你的時間。 這是一個例子。 我教授的 DOE 課程一直使用 MINITAB。 Montgomery DOE 書的第 5 章概述了從經典方差分析到通過最小二乘回歸引入響應面（CCD 設計等稍後介紹）的一般因子設計。
在附加的示例中，單個數據集被分析為一般階乘，然後是連續表面。 在 MINITAB 中，我們可以設置和分析一般階乘。 使用相同的數據表，將一般線性回歸擬合為連續變量並指定二次方時間。 無需更改數據屬性。
JMP 中最好的工作流程是什麼？ 這個例子實際上是在 JMP 中完成的，但我缺少工作流最佳實踐（更改變量類型或定義新數據表）。
回复：一般因子設計的數據類型與設計角色對不起，我想我對你的問題感到困惑。 我以為您在 DOE>Custom Design 或 DOE>Classical>Response Surface 平台中。 您已經創建並運行了設計，現在您正在嘗試分析 2 種不同的方式（一種將變量視為連續變量，另一種將變量視為分類變量）。 只是好奇為什麼要更改 x 的數據類型？ 您是否想要獲得某些特定的輸出（例如，定量或圖形）？ 您對什麼輸出感興趣？
無論如何，在 JMP 中有多種方法可以做同樣的事情。 在教授該軟件時，我通常做的是展示可用的不同選項，讓每個人選擇最適合他們的輸出。 輕鬆直觀地查看數據中包含哪些信息的方法。 （JMP 新用戶指南https://www.jmp.com/welcomekit/en/#/?_k=evx4id許多在線教程很有用）
回复：一般因子設計的數據類型與設計角色它就像一門新語言。 到目前為止，我喜歡 JMP。 就許可而言，我們大學的學生更容易獲得它。
我們有 JMP Pro 15。 我想我混淆了“建模類型”和“設計角色”。 我將數據類型和建模類型設置為“數字”和“連續”，但將設計角色設置為“分類”。 模型類型是我需要設置為名義的，而不是將設計角色設置為分類以獲得效果模型。
回复：一般因子設計的數據類型與設計角色您使用的是哪個版本的 JMP？ 在版本 15+ 中，您可以從離散數值、分類、分塊、協變量、混合、常數、不受控制（自定義設計選項）中進行選擇。 如果將 N 個因素添加為連續，則它們的角色將是連續的。 您可以隨時在數據表中更改它。 查看數據表中的因素列表時，您會看到圖標，表明它們將在分析中扮演什麼“角色”（名義型、有序型或連續型）。
我知道學習一個新軟件就像學習一門不同的語言。 但我要說的是，多年來使用了好幾個，我認為一旦您習慣了 JMP 和 JMP 的用戶界面，它就遠遠優於 Minitab。
回复：一般因子設計的數據類型與設計角色非常感謝您的快速回复。 這真的很有幫助。 更改連續數據類型的設計角色會對擬合模型產生任何影響嗎？ 好像不是，因為設計角色為categorical的連續數據類型，仍然像連續變量一樣適合。 我只是想確保我沒有遺漏任何東西。
再次感謝！
回复：一般因子設計的數據類型與設計角色我必須同時使用這兩個軟件程序，所以我可以提供一些指導。 首先，附件是一份可能有幫助的文件。 對於您的情況，您可以通過選擇左側列中變量名稱旁邊的彩色圖標，將變量類型從標稱型切換到有序型再到連續型。 要像變量是分類變量一樣進行分析，只需選擇名義數據類型並在模型中包含三個項（分析>擬合模型）。 對於分配二次項的回歸分析測試，將變量切換回連續。 你有幾個選擇。 Analyze>Fit Model：突出顯示包含因素的列，選擇 Macro>Response Surface（這將包括模型中的主效應、二階迭代和二次項。 （或者您可以編寫自己的飽和模型）。
如果您需要更詳細的解釋，請告訴我。
