DOE：我是否应该费心只用两个因素进行大量重复？假设我正在开展一项仅包含两个感兴趣的 2 级分类因子的实验。但是，我的预算是 24 次运行。即对全因子的每个设计点进行 6 次重复。我实际上只需要检测因子（和交互作用）的影响，但由于所研究的人类表现指标的性质，我预计实验误差会很大。额外的重复是否能显著提高我检测因子效应的能力？或者我最好还是省点钱？
实验设计质量与工艺工程回复：DOE：我是否应该为只有两个因素的大量重复而烦恼？我将在已经讨论过的内容之外添加我的想法。 意识到建议需要根据情况量身定制，我不了解您的具体情况。 实验中有两种因素集你感兴趣的：设计因素s（您正在操纵并希望与响应变量有因果关系的因素）和噪音. 两组因素都会影响响应变量。 似乎确实存在着重于“优化”设计结构（例如，最优设计）的偏见。 应该更加关注对噪声的理解。 在实验情况下有许多处理噪声的策略（例如，重复、嵌套、RCBD、BIB、裂区等）。 我认为花一些资源来了解噪声而不会对设计精度产生负面影响是值得的。 这并不意味着我会运行一堆重复（块）。 事实上，我不确定我是否要运行超过 2 个块，因为我当然对预测方程中 Block 的非线性多项式项不感兴趣。 现在您可以夸大这些块效应（如因子的粗体水平设置）并获得有关噪声影响的一些想法，并可能估计逐个因子的相互作用。 最终，您希望您的实验尽可能地代表真实条件。 不幸的是，这意味着它可能会有噪声，因此对噪声进行分区将有助于扩展推理空间，同时不会对设计精度产生负面影响。 所以，我会在初始实验上节省您的钱，因为您会想将它花在额外的迭代上。
回复：DOE：我是否应该为只有两个因素的大量重复而烦恼？谢谢彼得，
我明白你为什么提出那个建议。 然而，问题并不在于我们的测量“工具”不精确。 如果是的话，我可以看到重复措施的好处。 更重要的是，即使其他所有因素都保持不变，我们正在测量的活动在每次跑步中也会有很大差异。 这是因为我们的实验没有像我希望的那样严格控制。 如果我们可以强制我们正在测量的范围更窄的一组动作，我当然可以减少噪音。 但这会导致不太现实的情况。 因此，更现实的情况是以降低功率为代价的。回复：DOE：我是否应该为只有两个因素的大量重复而烦恼？功效分析需要估计响应的绝对标准偏差（预期 RMSE）和响应的效应大小的大小（预期系数 = 效应 / 2）。 或者，您可以保留预期 RMSE (1) 的默认值，然后输入相对于标准差的预期系数的一半效果大小。 例如，如果您预期模型中某个项的效应至少为 3 标准差，则为预期系数输入 1.5。
最后，如果您更容易定义结果的影响，您可以输入每次运行的预期响应。
回复：DOE：我是否应该为只有两个因素的大量重复而烦恼？这是我的看法……其他人可能有不同的看法……但我是根据您原始帖子中的断言得出的答复，即测量系统，而不是实验执行导致的因素变化，贡献最大的噪音。 因此，与其重复运行，不如重复测量每个处理组合，以此作为量化此噪声源并可能梳理出因素影响的一种方法？ 如果测量系统具有破坏性，或者您认为重复测量可能会以某种方式产生偏差，那么请不要走这条路。 否则，为自己节省实验资源，特别是如果重复测量比真正的复制更便宜/更容易/更有效。 从那里你有几种方法来处理分析......重复测量样式分析是一种。 或者对每个治疗组合的重复测量进行某种转换……中位数，或者进行奥林匹克评判……去掉高点和低点，然后取平均值，或者类似的想法。
只是一个想法...
回复：DOE：我是否应该为只有两个因素的大量重复而烦恼？此时您的目标似乎是估计和测试参数而不是估计响应。 因此，您评估设计的重点应该是估算和功效。 设计平台中的设计评估大纲包含评估设计性能的信息。 当您考虑两个或多个候选设计时，比较设计平台中提供了相同的信息。
这一页是开始了解哪些评估可用以及如何使用它们的好地方。
回复：DOE：我是否应该为只有两个因素的大量重复而烦恼？更重要的是...如何使用 JMP 来回答该问题的最佳方式是什么？ 我假设它与功率分析有关，但我不太清楚我应该为功率分析所需的 SNR 值期望多少噪声。 我想也许有人对这类问题有一些直觉，但如果这确实是回答原始问题的唯一合适方法，我很乐意对权力进行更正式的分析。
