擬合雙因素實驗設計的模型我正在嘗試擬合一個雙因素實驗設計（2 個因素）的模型。這是 DC Montgomery 書中的問題 5.4（實驗設計與分析第 8 版第 5 章。正在研究化學過程的產量。兩個最重要的變數被認為是壓力和溫度。每個因素有三個水平選擇，並進行兩次重複的析因實驗，產量數據如下：
當溫度和壓力設定為“標稱”時，該問題得到解決。我原本希望將它們設為“連續”，但如果我這樣做，變異數分析就會出錯。
1) 為什麼我需要將因子設為「名目」而不是「連續」才能獲得正確的變異數分析和擬合估計值？
2）如果我想從數據中找到回歸模型，我需要將溫度和壓力設定為「連續」。為什麼？
消費者與市場研究數據探索和視覺化實驗設計回复：為雙因素實驗設計擬合模型我認為您的兩個問題的答案都是：由於 JMP 中的工作流程。
如果要進行方差分析（方差分析，樣本中組均值的差異）：
當 X 是名義的時，X 中的不同組僅存在（或明確）。
因此，當在“用 y 擬合 x”中使用名義 X 時，您最終會得到 ANOVA。
回歸需要，您可以使用 x 值進行計算。 這僅適用於連續 x。
只需通過 x 和 y 的數據類型，您就可以告訴 JMP 您要執行什麼分析。 在啟動平台“fit y by x”時，請查看左下角的圖片。 我認為，這是一個很好且有效的界面，讓 JMP 提供適合您的建模類型的方法。 但是，可能需要一些時間來適應它。
回复：為雙因素實驗設計擬合模型分析數據集的方法不止一種。 不一定是“錯誤的”。 在 ANOVA 方法中，您估計的是模型中每個項的影響。 對於您所指的雙因素實驗，每個因素都有 2 個自由度（或模型效應為 8 個），因此模型為：
Y = T + P + TP + 誤差
如果您使用回歸進行分析，您將能夠將每個因素的這 2 個自由度分配給線性和二次效應：
Y = T + P + TP + T*T + P*P + E
回复：為雙因素實驗設計擬合模型我不熟悉書中所述的確切和完整的問題上下文，所以我只是在這裡猜測......在 JMP 變量中可以有不同的數據類型，這些數據類型或多或少與這些數據類型的分析建模方法一致。 在 JMP 中，這些數據類型中的一些（但肯定不是全部......這就是 JMP 如此有用的應用程序的原因！）標記為“名義”和“連續”。 也許您在書中的問題中閱讀的是“標稱”，是指正在研究的製造過程的首選或當前設置，而不是 JMP 中使用的數據類型標籤？
問題中列出的這些類型的實驗因素通常在 JMP 數據類型意義上被認為是“連續的”，這反過來又開闢了多種建模方法，其中一種在 JMP 中稱為標準最小二乘法...... turn 會導致一個很好的老式線性回歸模型。
