拟合双因素实验设计模型我正在尝试为双因素实验设计（2 个因素）拟合一个模型。这是 DC Montgomery 书中的问题 5.4（实验设计与分析第 8 版第 5 章）。正在研究化学过程的产量。两个最重要的变量被认为是压力和温度。选择每个因素的三个水平，并进行具有两个重复的因子实验。产量数据如下：
当温度和压力设置为“标称”时，此问题的解决方案就得到了满足。我原本希望将它们设置为“连续”，但如果我这样做，方差分析就会出错。
1）为什么我需要将因子设置为“名义”而不是“连续”才能获得适当的方差分析和拟合估计值？
2) 如果我想从数据中找到回归模型，我需要将温度和压力设置为“连续”。为什么？
消费者和市场研究数据探索与可视化实验设计回复：为双因素实验设计拟合模型我认为您的两个问题的答案都是：由于 JMP 中的工作流程。
如果要进行方差分析（方差分析，样本中组均值的差异）：
当 X 是名义的时，X 中的不同组仅存在（或明确）。
因此，当在“用 y 拟合 x”中使用名义 X 时，您最终会得到 ANOVA。
回归需要，您可以使用 x 值进行计算。 这仅适用于连续 x。
只需通过 x 和 y 的数据类型，您就可以告诉 JMP 您要执行什么分析。 在启动平台“fit y by x”时，请查看左下角的图片。 我认为，这是一个很好且有效的界面，让 JMP 提供适合您的建模类型的方法。 但是，可能需要一些时间来适应它。
回复：为双因素实验设计拟合模型分析数据集的方法不止一种。 不一定是“错误的”。 在 ANOVA 方法中，您估计的是模型中每个项的影响。 对于您所指的双因素实验，每个因素都有 2 个自由度（或模型效应为 8 个），因此模型为：
Y = T + P + TP + 误差
如果您使用回归进行分析，您将能够将每个因素的这 2 个自由度分配给线性和二次效应：
Y = T + P + TP + T*T + P*P + E
回复：为双因素实验设计拟合模型我不熟悉书中所述的确切和完整的问题上下文，所以我只是在这里猜测......在 JMP 变量中可以有不同的数据类型，这些数据类型或多或少与这些数据类型的分析建模方法一致。 在 JMP 中，这些数据类型中的一些（但肯定不是全部......这就是 JMP 如此有用的应用程序的原因！）标记为“名义”和“连续”。 也许您在书中的问题中阅读的是“标称”，是指正在研究的制造过程的首选或当前设置，而不是 JMP 中使用的数据类型标签？
问题中列出的这些类型的实验因素通常在 JMP 数据类型意义上被认为是“连续的”，这反过来又开辟了多种建模方法，其中一种在 JMP 中称为标准最小二乘法...... turn 会导致一个很好的老式线性回归模型。
