选择哪种设计各位，
我计划构建一个 RSM 来优化我的方法。 我有 8 个连续因素和 2 个响应。 每个因素的水平是根据一些内部方法和团队以往的经验确定的。 我不知道因素之间是否存在相互作用。 我无法识别噪音来源，我打算随机化
经过一番小小的研究，我认为有两种方法可以做到这一点，我不知道哪一种更合适？
1）使用中心复合设计（Box-Wilson）进行顺序实验，因为我可以使用一些中心点运行经典筛选设计，并在需要时继续使用轴点。
2）采用门襟Burman设计来屏蔽主要效果，然后采用中央复合设计。 而这种方式是我所在领域用得最多的
谢谢
实验设计回复: 选择哪种设计对于任何分类变量，如果需要，您始终可以删除级别。 但这意味着您不会获得有关缺失关卡的任何信息。
对于 DSD（或自定义设计），您无需指定连续因子的级别数。 相反，选择级别数是为了估计模型。 如果您的模型具有平方项（响应面模型具有平方项），那么连续因子将具有 3 个水平。 由于 DSD 旨在筛选并可能拟合响应面模型，因此所有连续因子将自动获得 3 个水平。
查看有关最终筛选设计的 JMP 帮助系统，以获取有关这些设计如何工作和创建的更多背景信息： JMP 明确筛选设计信息
回复: 选择哪种设计
谢谢@丹_奥伯米勒。 将此因素设置为 2 水平分类因素，将所有其他因素设置为 3 水平连续因素怎么样？
此致
回复: 选择哪种设计如果您遵循推荐的 DSD 分析路径，唯一的问题是确保您不会估计该因子的平方项。 在使用探查器时，请在使用探查器之前将建模类型更改为序数或名义。 这将使值保持为 1、2 或 3。
回复: 选择哪种设计谢谢你们的快速响应。 正如我上次所说，我的因素是可以采取级别 1,2 和 3 的周期数。 我计划使用 DSD 进行筛选，然后进行响应面。
我担心如果我认为该因素是连续的，结果将如何表达？例如，如果我想最大化我的响应，软件将为我的因子给出 1.2 的值，那么我应该做什么？将其视为 1 ?
此致回复: 选择哪种设计你是对的。 我凭记忆，忘记了在明确的筛选设计中不允许使用 3 级分类变量。 但是，如果因子是数字，您是否不能考虑将离散数字因子视为连续因子？ DSD 仅使用 3 个级别，因此不会导致设计运行出现问题。
回复: 选择哪种设计亲爱的@丹_奥伯米勒,
回到你的命题，在软件中，我没有找到如何包含用于最终筛选设计的 3 级分类变量。 仅 2 级 - 分类变量可以包括
非常感谢
回复: 选择哪种设计社区中有很多人很乐意回答您可能遇到的任何问题。 数据分析与咨询服务接壤，而大多数社区用户可能不知道目标和背景信息来提供适当的分析和结论，这一事实使咨询服务变得更加复杂。 那么还有一个问题尚未得到解答吗？
回复: 选择哪种设计亲爱的@丹_奥伯米勒
附件是我的数据，请看一下
此致
回复: 选择哪种设计需要澄清的一点是：如果您使用自定义设计，您可能不会获得适合您情况的部分因子设计。 我只是想确保您意识到定制设计正在使用不同的标准来创建设计。
至于你的负全图方差，这意味着你的全图方差非常小，并且很可能可以忽略不计。 我从来不关心这种负面估计，并且始终关注我将如何使用这些信息。 最后，要记住的另一点是，创建设计是为了估计模型参数估计值。 该设计未针对估计整个图方差进行优化。 因此，估计会存在更多的不确定性，这是负估计的典型原因。 小值和不确定性的结合可能会产生负面结果。
回复: 选择哪种设计亲爱的@丹_奥伯米勒,
我还有一个问题。
在开始真正的设计之前，我正在执行一些初步实验，作为第一步
我想要执行部分因子设计，我有 5 个因素，其中之一很难改变。 使用包括溢出图设计在内的自定义设计，我得到了一张包含 20 个实验和 5 个完整图的表格。 当我做实验时，我发现整个图的变化为负值，我不知道应该从中得出什么结论？ 附件请查收截图
先感谢您
回复: 选择哪种设计离散的数字因子确实使事情变得有点复杂，但也没有那么复杂。
对于 CCD，中间水平根本不会影响设计的分数阶乘部分。 如果需要轴向点，则需要指定面上轴向缩放。 没有真正的改变。
对于 PB，设计的筛选部分再次不利用中间电平。 当您要添加轴点时，您将需要指定面上缩放。
采用定制设计，绝对没有任何变化。
对于最终筛选设计，离散数字在技术上不可用。 但是，您可以将该因素作为 3 级分类变量来创建设计。 所有建议都保持不变。
回复: 选择哪种设计亲爱的丹·奥伯米勒,
非常感谢您的快速答复。 我忘记提及我的因子之一是离散数值，我可以取值 1、2 和 3。 在这种情况下所有命题仍然有效吗？
此致
回复: 选择哪种设计您有两个以上的选择，但让我们探讨一下您提到的选项。
CCD - 您的经典筛选设计将是 16 次运行的部分因子设计 + 中心点。 这将是分辨率 IV 设计，这意味着您的主要效应不会与两因素相互作用相混淆。 这是可取的。 即使您没有看到曲率，您也可能需要添加一些额外的运行才能完全理解二因素相互作用，因此您应该计划至少两个阶段的实验，也可能是三个阶段。
Plackett-Burman 设计 - PB 设计只有 12 次运行（+ 中心点），但它是分辨率 III，这意味着您的主要效果将混淆一些两因素相互作用。 通常，这不是响应面设计的重要基础，因为在优化研究中应该预期两因素相互作用。 因此，您可能需要让 8 个因素中的少数几个处于“活跃”状态，并且可能需要计划三个实验阶段。
但其他选择又如何呢？ 例如，您可以使用自定义设计来创建设计来估计主效应模型。 然后对其进行扩充以添加交互作用/平方项。 这种方法可能与您的经典方法类似，但可能能够为您节省一些尝试。 此外，您可以决定使用哪些优化标准，以便您可以调整设计的不同阶段来确定重要因素或改进预测。
另一种可能性是使用最终筛选设计。 此设计旨在成为筛选设计（您正在寻找的），但只要活跃因子的数量接近 8 个可能因子的 50% 或更少，通常就可以估计响应面模型。 此设计可通过 21 次运行完成，其中包括 JMP 建议的 4 次额外运行。 它还具有在一组试验中完成而不是依次构建的优点。
对于您所描述的情况，我建议考虑最终筛选设计。
我希望这有帮助。
