選擇哪種設計各位，
我計劃建立一個 RSM 來優化我的方法。 我有 8 個連續因素和 2 個回應。 每個因素的水平是根據一些內部方法和團隊過去的經驗來確定的。 我不知道因素之間是否有交互作用。 我無法辨識噪音來源，我打算隨機化
經過一番小小的研究，我認為有兩種方法可以做到這一點，我不知道哪一種比較適合？
1）使用中心複合設計（Box-Wilson）進行順序實驗，因為我可以使用一些中心點運行經典篩選設計，並在需要時繼續使用軸點。
2）採用門襟Burman設計來屏蔽主要效果，然後採用中央複合設計。 而這種方式是我所在領域用得最多的
謝謝
實驗設計回覆: 選擇哪種設計對於任何分類變量，如果需要，您始終可以刪除等級。 但這意味著您不會獲得有關缺失關卡的任何資訊。
對於 DSD（或自訂設計），您無需指定連續因子的等級數。 相反，選擇級別數是為了估計模型。 如果您的模型具有平方項（響應面模型具有平方項），那麼連續因子將具有 3 個水平。 由於 DSD 旨在篩選並可能擬合響應面模型，因此所有連續因子將自動獲得 3 個水平。
查看有關最終篩選設計的 JMP 幫助系統，以獲取有關這些設計如何運作和創建的更多背景資訊： JMP 明確篩選設計訊息
回覆: 選擇哪種設計
謝謝@丹_奧伯米勒。 將此因素設為 2 水平分類因素，將所有其他因素設定為 3 水平連續因素怎麼樣？
此致
回覆: 選擇哪種設計如果您遵循建議的 DSD 分析路徑，唯一的問題是確保您不會估計該因子的平方項。 使用探查器時，請在使用探查器之前將建模類型變更為序數或名義。 這將使值保持為 1、2 或 3。
回覆: 選擇哪種設計謝謝你們的快速回應。 正如我上次所說，我的因素是可以採取 1,2 和 3 級的週期數。 我計劃使用 DSD 進行篩選，然後進行響應曲面。
我擔心如果我認為該因素是連續的，結果將如何表達？例如，如果我想最大化我的回應，軟體將為我的因子給出 1.2 的值，那麼我該做什麼？將其視為 1 ?
此致回覆: 選擇哪種設計你是對的。 我憑記憶，忘記了在明確的篩選設計中不允許使用 3 級分類變數。 但是，如果因子是數字，您是否無法考慮將離散數字因子視為連續因子？ DSD 僅使用 3 個級別，因此不會導致設計運行出現問題。
回覆: 選擇哪種設計親愛的@丹_奧伯米勒,
回到你的命題，在軟體中，我沒有找到如何包含用於最終篩選設計的 3 級分類變數。 僅 2 級 - 分類變數可以包括
非常感謝
回覆: 選擇哪種設計社區中有很多人很樂意回答您可能遇到的任何問題。 數據分析與諮詢服務接壤，而大多數社區用戶可能不知道目標和背景資訊來提供適當的分析和結論，這一事實使諮詢服務變得更加複雜。 那麼還有一個問題尚未解答嗎？
回覆: 選擇哪種設計親愛的@丹_奧伯米勒
附件是我的數據，請看一下
此致
回覆: 選擇哪種設計需要澄清的一點是：如果您使用自訂設計，您可能不會獲得適合您情況的部分因子設計。 我只是想確保您意識到定制設計正在使用不同的標準來創建設計。
至於你的負全圖方差，這意味著你的全圖方差非常小，並且很可能可以忽略不計。 我從來不關心這種負面估計，並且始終關注我將如何使用這些資訊。 最後，要記住的另一點是，建立設計是為了估計模型參數估計值。 此設計未針對估計整個圖方差進行最佳化。 因此，估計會存在更多的不確定性，這是負估計的典型原因。 小值和不確定性的結合可能會產生負面結果。
回覆: 選擇哪種設計親愛的@丹_奧伯米勒,
我還有一個問題。
在開始真正的設計之前，我正在執行一些初步實驗，作為第一步
我想要執行部分因子設計，我有 5 個因素，其中一個很難改變。 使用包括溢出圖設計在內的自訂設計，我得到了一張包含 20 個實驗和 5 個完整圖的表格。 當我做實驗時，我發現整個圖的變化為負值，我不知道我應該從中得到什麼結論？ 附件請查收截圖
先感謝您
回覆: 選擇哪種設計離散的數字因子確實使事情變得有點複雜，但也沒有那麼複雜。
對於 CCD，中間水平根本不會影響設計的分數階乘部分。 如果需要軸向點，則需要指定面上軸向縮放。 沒有真正的改變。
對於 PB，設計的篩選部分再次不利用中間電平。 當您要新增軸點時，您將需要指定面上縮放。
採用客製化設計，絕對沒有任何變化。
對於最終篩選設計，離散數字在技術上不可用。 但是，您可以將該因素作為 3 級分類變數來建立設計。 所有建議都保持不變。
回覆: 選擇哪種設計親愛的丹·奧伯米勒,
非常感謝您的快速答覆。 我忘記提及我的因子之一是離散數值，我可以取值 1、2 和 3。 在這種情況下所有命題仍然有效嗎？
此致
回覆: 選擇哪種設計您有兩個以上的選擇，但讓我們探討一下您提到的選項。
CCD - 您的經典篩選設計將是 16 次運行的部分因子設計 + 中心點。 這將是分辨率 IV 設計，這意味著您的主要效應不會與兩因素相互作用混淆。 這是可取的。 即使您沒有看到曲率，您可能需要添加一些額外的運行才能完全理解二因素交互作用，因此您應該計劃至少兩個階段的實驗，也可能是三個階段。
Plackett-Burman 設計 - PB 設計只有 12 次運行（+ 中心點），但它是分辨率 III，這意味著您的主要效果將混淆一些兩因素相互作用。 通常，這不是響應曲面設計的重要基礎，因為在最佳化研究中應該預期兩因素交互作用。 因此，您可能需要讓 8 個因素中的少數幾個處於「活躍」狀態，並且可能需要規劃三個實驗階段。
但其他選擇又如何呢？ 例如，您可以使用自訂設計來建立設計來估計主效應模型。 然後對其進行擴充以添加交互作用/平方項。 這種方法可能與您的經典方法類似，但可能能夠為您節省一些嘗試。 此外，您可以決定使用哪些最佳化標準，以便您可以調整設計的不同階段來確定重要因素或改善預測。
另一種可能性是使用最終篩選設計。 此設計旨在成為篩選設計（您正在尋找的），但只要活躍因子的數量接近 8 個可能因子的 50% 或更少，通常就可以估計響應面模型。 此設計可透過 21 次運行完成，其中包括 JMP 建議的 4 次額外運行。 它還具有在一組試驗中完成而不是依次建構的優點。
對於您所描述的情況，我建議考慮最終篩選設計。
我希望這有幫助。
