DoE 分析：当涉及显着交互作用时，删除不显着的主要因素嘿 Jmp 用户，
当能源部数据分析中涉及显着交互作用时，是否可以删除不显着的主要因素？
谢谢 ！
我
高级统计建模实验设计回复：DoE 分析：当涉及显着交互作用时，删除不显着的主要因素之所以会产生混乱，是因为在两种不同的上下文中使用同一个词（“层次结构”）来描述不同的事物。 筛选设计假定了“层次原则”。 它表示，随着阶数的增加，因素的影响往往会减小。 因此，三阶效应往往比二阶效应小，可以忽略不计。 “模型层次结构”是关于线性预测器结构的陈述。 它表示当一个术语出现在另一个术语中时，就存在术语层次结构。 因此，诸如 β0 + β1*X1 + β2*X2 等线性预测变量不表现出模型层次结构，但另一个线性预测变量（如 β0 + β1*X1 + β2*X2 + β12*X1*X2 ）确实表现出模型层次结构。
（筛选设计也假定的“遗传原理”表明，主动高阶项往往涉及表现出主动主效应的因素。）
模型层次结构很重要。 我写了一篇关于它的文章JMP 电缆几年前的电子通讯。 在上述第二种情况下，删除 β1*X1 项或 β2*X2 项并不违法，但不建议这样做。 因此，JMP 允许此操作，但警告您不要这样做。 为什么要维护模型层次结构？ 因为如果你改变规模你的因素中，你必须改变结构模型的。 有些术语将会消失。 新的术语将会出现。 人们不喜欢惊喜。
但你永远不会改变因子尺度！ 嗯，你可能会。 DOE 的回归分析基于中心化和缩放的因子水平（称为“编码水平”）。 因此，参数估计基于从 -1 到 +1 的预测量表。 您可以对因子水平进行反向转换或取消编码，以便参数估计值符合实际规模。 并不是无理的愿望。 那么，您必须将模型的结构从您选择的结构更改为其他结构。
回复：DoE 分析：当涉及显着交互作用时，删除不显着的主要因素我认为原则是“层次结构”，但它在文档中的描述似乎有所不同：似乎是说层次结构与高阶术语相关，通常不考虑与低阶术语一样多的变化，而遗传性“涉及在模型中包含高阶效应的低阶分量。”
效果层次： https://www.jmp.com/support/help/en/15.2/index.shtml#page/jmp/effect-hierarchy.shtml#
影响遗传： https://www.jmp.com/support/help/en/15.2/index.shtml#page/jmp/effect-heredity.shtml#
可能是我混淆了原则或者误解了文档。
回复：DoE 分析：当涉及显着交互作用时，删除不显着的主要因素其实原理就是Effect HIERARCHY。 也就是说，如果高阶项很重要，则模型中应包含低阶项。 （遗传原则是，要使高阶项处于活动状态，至少有一个较低阶项（父母）必须处于活动状态）。
需要明确的是，您真正需要做的是了解交互。 由于交互作用是指一个因素的影响取决于另一个因素，因此您需要了解这种影响。 对于 2 水平设计，二阶效应有 4 种可能的因子组合：-1,-1, -1,1, 1,-1, 1,1。 显着交互作用意味着因素处于相同水平与相反水平时的效果存在差异。
回复：DoE 分析：当涉及显着交互作用时，删除不显着的主要因素你好，
这一原理被称为“效应遗传”。《实验设计原则与指南》中有简单提及（ https://www.jmp.com/support/help/en/15.2/index.shtml#page/jmp/effect-heredity.shtml ）。基本上，如果主效应不显着，那么高阶项可能也不显着。
回复：DoE 分析：当涉及显着交互作用时，删除不显着的主要因素你好，
感谢您的回答。 我还想从统计学的角度问，它会影响你的模型吗？
回复：DoE 分析：当涉及显着交互作用时，删除不显着的主要因素你好，
对的，这是可能的。 使用拟合模型分析 DOE 时，高阶效应中包含的低阶效应用抑扬符号表示（见下图）。如果您尝试删除它，您将收到一条警告消息，并可以选择“仅删除未包含的效果”，但您可以选择忽略此消息。
