篩選設計可以用於1個連續因子，7個其他類別因子和1個類別響應嗎？我想評估8個因素對響應的影響。 有1個連續因子，7個其他類別因子和1個類別響應，其中2個類別因子具有4個級別，其中一個類別因子具有8個級別。 我們可以使用經典的篩選設計方法來設計實驗嗎？
我們想知道這8個因素中最有影響力的因素，在哪裡可以分析篩選實驗結果？ 當我們添加6個以上的因子或因子的水平超過3個時，“篩選”選項卡消失了，我們無法分析篩選設計結果。 有什麼問題？ 這是否意味著在這種情況下不能使用經典的篩選設計？ 還是我們應該單獨分析篩選設計結果？
謝謝。
美國能源部回复：篩查設計可用於1個連續因子，7個其他分類因子和1個分類響應嗎？一旦發現自己的因子水平不是2，經典的篩選設計即兩級分數階乘設計就不適用甚至不可行。 如果您的某些因素的水平不是2，則必須使用最佳DOE方案...在JMP中，這直接將您帶到Custom Design平台。 由於您似乎想運行放映設計，因此我將使用“定制設計”平台來構建僅受主要效果模型支持的設計。 著眼於最小化運行次數。 您可能希望添加一些超出JMP指定的最小值的運行，以允許一定程度的錯誤自由度。
祝您好運，以一種積極的反應來尋找主動效果...我過去的經驗有時是您需要大量奔跑才能從噪音中挑出一個信號...但是除非您嘗試，否則您永遠不會知道。
回复：篩查設計可用於1個連續因子，7個其他分類因子和1個分類響應嗎？非常感謝你。 我還有另一個後續問題。
我使用了定制設計平台。 由於我具有二進制響應，因此在擬合模型時，我選擇了個性：廣義回歸，分佈：二項式，估計方法：Elastic Net-自適應，驗證方法：AICc。 但是，當我單擊“開始”按鈕時，它會顯示一個警報，“由於無法保持遺傳而提前終止了配種。 考慮在不加強遺傳的情況下再次跑步”。 這是我必須解決的嚴重問題嗎，我該如何解決，還是應該選擇其他方法？回复：篩查設計可用於1個連續因子，7個其他分類因子和1個分類響應嗎？這是指模型層次結構很重要的事實。 JMP強烈建議您維護層次結構，但不是必需的。
模型層次結構意味著，如果模型中包含X1 * X2，則X1和X2也應位於模型中，即使它們並不重要。
回复：篩查設計可用於1個連續因子，7個其他分類因子和1個分類響應嗎？@yiyichu太棒了，您使用了Custom Design平台。 您可以共享您為設計構造明確表達的特定模型嗎？ 它只是主要作用嗎？ 還是有所不同？
在我的第一個答復中，我建議您指定一個僅主要效果的模型...您所看到並基於的錯誤消息@markbailey的正確答案，確定您似乎正在嘗試使模型不僅具有主要效果嗎？ 您的設計是否至少對至少兩個（甚至天堂禁止）甚至更高階的因子相互作用支持某種程度的估算？ 如果分類因子超過2個級別，則要評估包含這些因子的交互效應，您的設計可能會很快變得很大。 特別是具有8個等級的一個要素。
我也對為什麼選擇彈性網擬合個性感到好奇。 我猜想，在篩選建模模式下，我可能只是從一個簡單的名義Logistic回歸模型開始的。 Elastic Net並不是一個錯誤的選擇...但是它可能會將某些參數估計值歸零，因為那是很自然的事情，您可能會錯過效果級別信息內容。 只是好奇比什麼都重要？
回复：篩查設計可用於1個連續因子，7個其他分類因子和1個分類響應嗎？我也很好奇，但很好奇為什麼您要同時查看4級和8級分類因素。 聽起來更像是選擇獲勝者測試而不是篩選設計？ 我的想法：篩選並非要測試所有可能的組合。 您可以選擇4或8個級別的極限嗎？ 想法是比較所有因素（同樣，沒有偏見），並確定哪些因素值得進一步研究。 通過對您的某些因素進行2個以上水平的測試，您可以獲得有關這些因素的更多信息，因此對您的研究有偏見。
但是，當然，我不知道您的具體情況，所以您可能想忽略我。
回复：篩查設計可用於1個連續因子，7個其他分類因子和1個分類響應嗎？@P_Bartell我認為這應該只是以前的主要作用，但是我可能會弄亂一些東西。 我重新檢查該模型，並確保該模型僅是主要作用，看來錯誤現在已經消失。
由於我是DOE和JMP的初學者，因此我選擇了彈性網擬合個性只是因為我遵循了JMP文檔中提供的示例。 然後，我將嘗試使用基本的Logistic回歸估計方法作為起點。 感謝您的建議。 當選擇估計方法時，我們如何決定應該選擇哪種估計方法，何時選擇基本的邏輯回歸估計方法，何時應該選擇其他方法，例如Lasso，Elastic Net，Ridge等。
從您的第一個答復中，您說有時候我們需要大量運行才能從噪音中挑出一個信號，以便做出明確的響應... 您能否再多說明一點？ 我們該怎麼做才能檢查是否需要更多跑步？
再次感謝您的寶貴時間。
回复：篩查設計可用於1個連續因子，7個其他分類因子和1個分類響應嗎？@statman這裡的4級因子是“運動水平”，包括主要運動，次要運動，精細運動和無運動。 這裡的8級因素是針對我們的案例在房間中隨機選擇8個不同的位置。但是你是對的。 實際上，我也在考慮選擇4級和8級因素的極端值，使所有因素都處於2級。 然後，我們也可以選擇確定性篩選設計方法。 我只是不確定哪種方法更好。 現在，您的建議使我更有信心這樣做。 謝謝。
回复：篩查設計可用於1個連續因子，7個其他分類因子和1個分類響應嗎？對於運動，選擇極端。 如果那很重要，那麼您可以“微調”。 對於房間中的位置...您可以實際控制還是噪音？ 如果有噪音，請考慮阻塞。
回复：篩查設計可用於1個連續因子，7個其他分類因子和1個分類響應嗎？@statman感謝您的意見。
如果我選擇使用您提到的方法3：RCBD在2個街區（最佳和最差位置）上複製處理，如下所示：
默認運行次數為16，然後“相關性顏色圖”如下：
從上面的顏色圖中，似乎該模型不是主要的效果模型。一般而言，顏色地圖一個好的設計顯示出很多白色的缺陷上al，表示直向上大小或小相關性在不同的術語之間。 這是否意味著這不是一個好的設計？ 而且，如果我增加運行次數，它將在對角線上顯示大部分白色，這是否意味著在進行實驗設計時是否需要增加運行次數？
這裡還有一個問題：
我們的響應是一個二進制值（0/1），0表示不存在人員，1表示存在人員，對於該響應，我使用“最大”作為目標，如下所示：
這是否適當，還是應該將“無”用作目標？
回复：篩查設計可用於1個連續因子，7個其他分類因子和1個分類響應嗎？@statman感謝您的建議。
我試圖找到這些地塊，包括丹尼爾圖（正態圖），效果的帕累托圖和可能的貝葉斯圖，但它們似乎在“效果篩選”下，並且僅當您將“標準最小二乘”用作“個性”時才可用，這意味著響應應該是連續的。 如果選擇帶有“ Binomial”響應的“ Generalized Linear Model”，則沒有這種選擇。 我錯了嗎，還是我需要在其他地方找到它？
回复：篩查設計可用於1個連續因子，7個其他分類因子和1個分類響應嗎？雖然兩者@P_Bartell並且我正在嘗試給您一些建議，您應該意識到沒有“正確”的設計。 每個設計在所需資源，檢測設計因素影響的精度，分辨率，可以估計的模型，可以估計的因素數量等方面都可能會有所不同。 我建議設計多個實驗，並根據一組標準和您的情況對它們進行評估。 我還建議您預測所有可能的結果以及在每個結果中將要執行的操作。 您有8個設計係數和至少1個噪聲變量。 第一個實驗的目的是設計一個更好的實驗（移動設計空間並確定最有趣的因素）。 通常，較低的分辨率可以確定主要效果，但是您應該對模型效果進行排序（最高到2階），以確定是否需要提高分辨率。 同樣，當您使用JMP塊設計時，默認情況下，軟件會將塊視為隨機效果。 但是，當您知道什麼噪聲構成了該塊時，可以將其視為固定效果並量化逐個因子的交互。 你可能會說我有點老。 我想知道混疊，並且不喜歡進行部分混疊，因為這更難以解釋和確定後續實驗應該是什麼。 但是我可能在這裡是少數。 許多人喜歡優化設計以提高效率。 我也不填寫任何Y，因為我不希望軟件“控制”我的分析（在某些情況下，限制我的分析選項）。
關於您的響應變量，您是否考慮過其他量化響應的方法？ 二進制響應需要大樣本量才能檢測出差異。 您能否更改“物體”或“人”的尺寸並記錄檢測到什麼尺寸的物體？ 還是可以改變檢測到的“運動”量？ 如果與傳感器的距離很重要，那麼您可以確定檢測到物體與傳感器的距離是多少，而不是限制房間的位置？ 無論如何，我建議您對響應變量進行更多考慮。回复：篩查設計可用於1個連續因子，7個其他分類因子和1個分類響應嗎？是的，您是正確的...很抱歉缺少響應是二進制的。 我真的建議您創建一個更好的響應變量（請參閱前面的註釋）。回复：篩查設計可用於1個連續因子，7個其他分類因子和1個分類響應嗎？抱歉，這麼晚才加入此討論。
位置似乎是具有固定影響的分類因素。 確實是對可用性的限制嗎？ 也就是說，每個位置只能進行有限數量的觀測？ 您可以使用幾個位置？ 您將兩個位置稱為“最佳”和“最差”的事實對我來說是一個定性或分類因素。
默認情況下，該模型只是主要或附加效果。 彩色圖也向您顯示高階項，以便您可以評估這些效果（相關性）對主要效果的影響。 如果不包含這些影響，則這些影響會使您的模型產生偏差；如果包含這些影響，則會增加估計的標準誤差。
對此有何反應？ 是二進制的還是兩個二進制結果的計數？ 例如，我可能在每次運行中觀察20個實例，並記錄每個結果的數量（成功，失敗）。 另一方面，我每次運行只能觀察1個實例。 在這種情況下，您不能在定制設計中使用功耗分析。 但是您肯定需要更多運行才能做出這樣的響應。 定制設計中的“模擬響應”命令以及JMP Pro中的“模擬”功能可用於評估任何設計的經驗能力。
響應的目標另存為“響應限制”列屬性。 它定義了預測分析器中用於優化的需求函數。 我認為這不適用於這種情況，但是您可以在進入事件探查器之後對其進行更改，然後保存更新的定義。
回复：篩查設計可用於1個連續因子，7個其他分類因子和1個分類響應嗎？@statman根據您的想法，積木設計將帶來部分混疊，因為它將量化逐因子交互。 而且我們不想為第一個實驗做部分混疊，對嗎？ 然後您說：“您沒有填寫任何Y”，是否表示您沒有輸入“回复”？
我們的響應變量是二進制Presence / Non-presence，這表示佔用傳感器是否在空間中檢測到人。 實際上，我們可以解釋響應的另一種方法是計算測試室中的人數。 然後，我們可以根據稍後的結果確定傳感器的存在/不存在。 如果計數為0，則為“不存在”；否則為0。如果不為0，則為“狀態”。 除此之外，我想不出另一種方法來解釋響應。 或者，也許您有一些好的想法？ 這對改善案件有幫助嗎？ 不幸的是，我們無法通過佔用傳感器來檢測物體/人的大小。 該議案分為四個類別，主要類別-人們行走，次要類別-人們伸胳膊，良好-人們打字，沒有-睡覺。 您改變運動量是什麼意思？ 位置不僅影響傳感器的性能，還因為距離以及從傳感器到人的角度的不同。 如果我們想用某些東西代替位置，也許我們應該同時包括距離和角度變量。 然後，我們在兩個級別上定義距離和角度的極值。 這會有所幫助嗎？
回复：篩查設計可用於1個連續因子，7個其他分類因子和1個分類響應嗎？@markbailey感謝您提供您的想法。
對於位置，背景是我們設置佔用傳感器，人們將站在測試空間中的不同位置，然後評估佔用傳感器是否可以檢測到佔用者。 因為我們想知道人們的位置是否會影響佔用傳感器的性能。 最初，我們選擇8個隨機位置作為位置變量的8個級別。 但是根據我們與@statman ，最好不要在第一個實驗設計中使用8個級別，這就是為什麼我們決定為該位置選擇極端的情況，一個是傳感器無法檢測到有人的最壞情況，一個是人們只可以看到有人的最好情況站在傳感器的正前方，這樣傳感器就可以完美地檢測到乘員。 因此，也許這不是可用性的限制？ 我們只是想改變其變量，以了解它如何影響響應？
對於響應，它是一個二進制值，我們在每次運行中觀察到1個實例。 對於我們的情況，響應是人的存在/不存在。 存在表示傳感器檢測到有人，不存在表示傳感器未檢測到有人。 因此，在這種情況下，我應該為響應的目標選擇什麼？
