篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？我想評估 8 個因素對響應的影響。 有 1 個連續因子、7 個其他分類因子和 1 個分類響應，其中 2 個分類因子有 4 個水平，一個分類因子有 8 個水平。 能不能用經典的篩選設計法來設計實驗呢？
我們想知道8個因素中影響最大的因素，在哪里分析篩選實驗結果？ 當我們添加超過 6 個因素或因素水平超過 3 時，“篩選”選項卡消失，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篩選設計？ 還是應該單獨分析篩選設計結果？
謝謝。
美國能源部回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？有許多論文討論了處理噪聲的選項。 Fisher（發明阻塞的人）、Box 等。阿爾。有許多論文/書籍。
Box、George、Hunter、William 和 Hunter, J. Stuart (2005) “實驗者統計：設計、創新和發現” Wiley & Sons (ISBN 0471718130) 涵蓋得很好。 這篇論文很棒：
桑德斯，D.， Leitnaker M. 和 McLean R. (2002)“工業研究中的隨機完整區組設計”質量工程，卷。 14，第1期
我最喜歡的之一：
丹尼爾·卡斯伯特 (1976) “統計在工業實驗中的應用” 威利 (ISBN 0-471-19469-7)
關於裂區設計的終極論文（恕我直言）：
盒子，GEP， 斯蒂芬·瓊斯 (1992)，“用於穩健產品實驗的裂區設計”,應用統計雜誌，卷。 19號1號
我還附上了一個過於簡化的討論，用於支持有關該主題的講座。
回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？沒有我所知道的標準。 您可以使用 JMP Pro 中的模擬功能來評估給定設計的任何分析性能。
是的，這取決於你是否取得好成績。 但是這種方法背後有一個嚴格的方法。 例如，您可以創建一個設計並從自定義設計平台菜單中選擇模擬響應。 請注意，您可以模擬二項式響應。 您可以輸入最小係數或預期係數並生成響應 對第一個模擬樣本執行分析。 然後右鍵單擊感興趣的數字列（例如，參數估計、p 值或其他）並選擇模擬。 然後，您可以按照仿真結果的指示調整設計。
請參閱模擬文檔.
回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？@馬克貝利根據你提到的，我總是這樣將需要大量運行才能很好地估計邏輯回歸或二項式 GLM 模型。 通常可以提供良好估計結果的運行次數是否有任何標準？ 還是只看我們能不能取得好成績？ 我知道如果響應是連續的，有很多方法可以評估模型的優劣，例如帕累托圖等。 當響應為二元時，我們可以使用哪些方法來評估模型是否良好？
回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？@statman我理解您試圖解釋為什麼該位置應被視為噪音。 但我認為我需要更多地探索如何決定決議。 或者您知道有一些資源/論文可以提供幫助嗎？
對於響應變量，我們使用 PIR 傳感器，它是被動的，使用 IR 來檢測運動。 但我們確實還需要測試一些傳感器系統，這些傳感器系統是不同類型傳感器的組合。 在這種情況下，結果將是基於不同傳感器輸出的計算，而不是單一測量... 並且只有最終的二進制輸出會在我們進行測試時提供給我們。 也許這種情況對於實驗設計來說更複雜......
回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？馬克，我經常在實驗和分析過程中將噪聲“視為”固定效應。 要做到這一點，實驗者需要了解噪聲是什麼（必須識別）並且可以在實驗過程中對其進行管理（或採樣）。 這允許估計噪聲與因素的相互作用（設計因素的影響是否與不斷變化的噪聲一致），這是創建穩健設計的必要組成部分。
參考：
桑德斯，D.， Leitnaker M. 和 McLean R.（2002 年）“工業研究中的隨機完整區組設計”質量工程，卷。 14，第1期回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？我不認為我們不同意。 我只是想確定位置因素的性質。 “最好”和“最差”的描述讓它聽起來像是一個固定的效果。 我看到這是兩個隨機位置，每個位置將提供一半的運行。 那麼它應該是一個隨機塊。 但我完全同意位置的觀點。
回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？在這一點上我不同意@馬克貝利. 房間中的位置是噪音，因此在實驗中應將其視為噪音。 你不想得出結論，位置很重要，人們必須站在這裡才能發揮作用。 您可能不會出售這些傳感器，或者您出售的傳感器會有很多客戶投訴（只有當我站在這裡時它才有效）。回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？謝謝你的解釋。
我會將位置因素視為簡單的分類因素，而不是阻塞因素。
我會將自定義設計中的響應定義為沒有目標。 稍後在刻畫器中定義意願函數會更容易。
一次試驗（一個是或否的結果）意味著您將需要大量運行才能很好地估計邏輯回歸或二項式 GLM 模型。
回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？澄清一下，部分混疊是指效果既不正交也不完全混疊。 只要您知道什麼是別名，別名就沒有錯。 事實上，別名是一種效率策略。 為什麼要在第一項研究中分離所有影響。 特別是您不需要在第一個實驗中分離高階項（階乘或多項式）。 您需要決定要估計哪些效果，您願意為哪些效果起別名，以及哪些將受到限制。 如果效果很顯著並且您知道什麼是混疊，那麼下一次迭代肯定可以消除這些效果的混疊。 部分混疊的問題是效果分散在多個效果上，因此去混疊實際上是不可能的。
關於響應變量：我不知道你使用的是什麼類型的傳感器，但想想它是如何“感知”的。 它是主動的還是被動的？ 如果它是被動的，它是否使用 IR 來檢測運動？ 傳感器如何處理該信號。 可以測量/量化嗎？ 你有懂科學的工程師嗎？ 我會努力進行更好的測量。
在設計實驗時，您需要確定設計因素所需的分辨率以及噪聲所需的分辨率（分辨率通常不用於參考噪聲......即使學習也很少有人花時間了解噪聲它是穩健設計所必需的）。 這是一個思想實驗：假設有人在房間裡的位置是噪音。 您希望您的設備對噪音（房間裡有人）具有魯棒性。 您正在試驗可能會或可能不會影響傳感設備性能的設計因素（傳感器靈敏度、角度、尺寸等）。 這些因素中的 1 個很重要，但它的影響（幅度和/或方向）取決於噪聲（根據您從 RCBD 獲得的逐個因素交互估計）。 你想在設計的早期就知道這一點，這樣你就可以找到該因素的設置或找到另一個因素，或者讓該因素在現場可調，從而減少因素交互作用的噪聲。 否則，設備的性能將取決於噪聲。 這意味著您有時會收到客戶投訴。回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？@馬克貝利感謝您提供您的想法。
對於位置，背景是我們設置了佔用傳感器，人們會站在測試空間的不同位置，然後我們評估佔用傳感器是否會檢測到佔用者。 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。 但基於我們與@statman ，最好不要在第一個實驗設計中使用 8 級，這就是為什麼我們決定為位置選擇極端情況，一種是傳感器無法檢測到乘員的最壞情況，一種是人們剛好檢測到的最佳情況站在傳感器的正前方，這樣傳感器就能完美地檢測到乘員。 那麼也許這不是對可用性的限制？ 它只是我們想要改變的一個變量，看看它如何影響響應？
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。 對於我們的案例，響應是人在場/不在場。 存在表示傳感器檢測到乘員，不存在表示傳感器未檢測到乘員。 那麼在這種情況下，響應的目標應該選擇什麼呢？
回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？@statman根據您在這裡的想法，塊設計將帶來部分別名，因為它將量化逐個因素的相互作用。 我們不想為第一個實驗做部分別名，對嗎？ 而你說“you didn't fill any Ys”，意思是你沒有輸入“response”嗎？
我們的響應變量是二進制存在/不存在，這意味著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式是計算測試室中的人數。 然後我們可以稍後根據結果決定傳感器存在/不存在。 如果計數為 0，則“不存在”；如果它不為 0，則為“存在”。 除此之外，我想不出其他方式來解釋響應。 或者，也許你有一些好的想法？ 這對改善案件有幫助嗎？ 不幸的是，我們無法使用佔用傳感器檢測物體/人的大小。 運動有四類，主要的——人們走路，次要的——人們伸展雙臂，好的——人們打字，沒有——睡覺。 改變運動量是什麼意思？ 位置影響傳感器的性能不僅因為距離，還因為傳感器與人的角度。 如果我們想要一些東西來代替位置，也許我們應該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。 這會有幫助嗎？
回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？很抱歉這麼晚才加入這個討論。
位置似乎是具有固定效應的分類因素。 這真的是可用性限制嗎？ 也就是說，您只能對每個位置進行有限數量的觀察？ 您可以使用多少個地點？ 您將這兩個位置稱為“最佳”和“最差”這一事實對我來說表明了定性或分類因素。
默認情況下，模型只有主要或附加效果。 顏色圖也向您顯示高階項，以便您可以評估這些效應（相關性）對主效應的影響。 如果您不包括這些影響，那麼這些影響將使您的模型產生偏差，如果包括它們，則會增加估計值的標準誤差。
回應是什麼？ 它是二進制的還是兩個二進制結果的計數？ 例如，我可能會在每次運行中觀察 20 個實例並記錄每個結果（成功、失敗）的數量。 另一方面，我可能在每次運行中只觀察到一個實例。 在這種響應的情況下，您不能在定制設計中使用功耗分析。 但是你肯定需要更多的運行來獲得這樣的響應。 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功效。
響應的目標保存為響應限制列屬性。 它定義了預測刻畫器中優化的合意性函數。 我認為它不適合這種情況，但您可以在進入探查器後更改它，然後保存更新後的定義。
回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？是的，你是對的......很抱歉錯過了響應是二進制的。 我真的建議你創建一個更好的響應變量（見前面的註釋）。回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？雖然兩者@P_Bartell我正在嘗試給你一些建議，你應該意識到沒有“正確”的設計。 每個設計都可能在所需資源、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有所不同。 我的建議是設計多個實驗並根據標準集和您的情況對其進行評估。 我還建議您預測所有可能的結果以及您將在每個結果中做什麼。 您有 8 個設計因素和至少 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識別主要效果，但您應該將模型效果排序到二階，以確定是否需要提高分辨率。 此外，當您讓 JMP 區組設計時，軟件默認將區組視為隨機效應。 但是，當您知道構成塊的噪音時，您可以將其視為固定效應並量化逐個因素的交互作用。 你可能會說我有點老派。 我想知道別名，不喜歡做部分別名，因為這更難以解釋和確定後續實驗應該是什麼。 但我可能是這裡的少數。 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？ 二元響應需要大樣本量來檢測差異。 你能改變“物體”或“人”的大小並記錄檢測到的物體大小嗎？ 或者你能改變被檢測到的“運動”量嗎？ 如果與傳感器的距離很重要，而不是在房間內的位置進行阻擋，您能否確定檢測到物體與傳感器的距離？ 無論如何，我會建議更多地考慮響應變量。回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？@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）、帕累托效應圖和可能的貝葉斯圖，但它們似乎在“效果篩選”下，並且只有在您使用“標準最小二乘法”作為“個性”時才可用，這意味著響應應該是連續的。 如果我選擇具有“二項式”響應的“廣義線性模型”，則沒有這樣的選擇。 我錯了嗎，還是我需要在其他地方找到這個？
回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？@statman感謝您的意見。
如果我選擇使用方法 3：如您提到的 RCBD在 2 個塊（最佳和最差位置）上複製處理，如下所示：
默認的運行次數是16次，那麼“Color Map on Correlations”如下：
從上面的彩圖來看，模型似乎不是主效應模型。一般來說，顏色地圖一個好的設計顯示了很多白色的診斷在al，表示正交在性或小相關性s 在不同的術語之間。 這是否意味著這不是一個好的設計？ 如果我增加運行次數，它會在對角線上顯示大部分白色，這是否意味著我在進行實驗設計時需要增加運行次數？
還有一個問題：
我們的響應是一個二進制值（0/1），0表示沒有乘員，1表示有乘員，對於響應，我使用“Maximum”作為Goal，如下：
這是正確的，還是我應該使用“無”作為目標？
回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？我建議使用丹尼爾圖（正常圖）、帕累托效應圖以及可能的貝葉斯圖與 p 值來評估篩選設計中的有趣因素。 我很擔心你的篩選設計中 MSE 的估計很差，不具有代表性和偏見。 我建議的情節不太可能有偏見。 您基本上是在相互比較所有效果，以確定哪些是可分配的和具有實際意義的。回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？在這種情況下，房間內的位置是噪音。 您無法控制某人在房間裡的位置，但您仍然希望您的傳感器檢測到他們在那裡。 在實驗期間可以控制房間中的位置，但在現實生活中不能。 可以通過多種不同方式處理此類因素：
1. 重複：保持治療組合不變，在不同部位重複測量。 位置可以是隨機的，但如果有關於位置差異的具體假設（例如，與傳感器的接近度、與傳感器的角度、房間角落）的原因，您將獲得更多信息，因此系統地進行採樣。
2. 隨機重複：我相信這就是你處理這個因素的方式。 雖然這會增加推理空間並提供 MSE 的理論上無偏估計，但您不知道位置的影響，並且可能會損害設計因素影響檢測精度。
3. RCBD：在這種情況下，您可以選擇最佳位置（靠近傳感器正前方）作為 1 級，選擇最差位置（遠且處於極端角度）作為 2 級。 在 2 個塊上重複處理。 在這種情況下，您可以將位置視為固定效果。 這允許增加推理空間，並能夠以更高的精度估計塊（位置）和所有塊因子交互效應（衡量傳感器的穩健性）。
4. 裂區（叉積數組）：要么將處理放在整個圖中，將噪聲放在子圖中，要么將噪聲放在 WP 中，將處理放在 SP 中。這將提高設計效率，並可能提高檢測設計因素和因因素交互作用引起的噪聲的精度。回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？@P_Bartell所以這個問題似乎沒有簡單的方法或單一的答案。 當我使用篩選設計方法設計實驗和分析結果時，我會牢記這一點。 感謝您的時間和耐心。
回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？我的例子實際上是一個篩選設計。 只有一個因素……但這些原則適用於一對多因素及其適當的水平。 是的，在某種程度上你會使用 p 值……但不要落入 p 值是一個懸崖陷阱。 假設您採用，並且拒絕任何效果估計的零假設所需的特定臨界 p 值完全取決於您……那麼您要選擇哪個值？ 0.05？ 0.01？0.10？等等。 如果您選擇 0.05 作為參數估計的臨界 p 值，並且您有一個效應的 p 值 = 0.049，另一個為 0.051，會發生什麼情況。 以懸崖心態，你會被迫說反映 0.049 估計值的因素是“重要的”……主啊，我討厭這個詞……但那是另一次的咆哮，另一個因素是“不重要的”因為它的p值高於臨界值。
運行次數提供了檢測效果的能力。 我的例子證明了這一點。 兩次運行……你很難拒絕零假設……但是拋硬幣，比如說 1,000 次，我敢打賭你會拒絕零假設。 篩選設計在運行次數方面故意非常稀疏……因此可能存在影響……您只是沒有收集到足夠的證據來說服陪審團。
回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？@statman通常，我們的目標是確定居住者在房間中的位置是否會影響佔用傳感器檢測居住者的性能。 所以我們會先在地板上標記一個 3x3 英尺的網格，然後使用一些隨機數生成工具隨機選擇 8 個位置，居住者將站在這 8 個不同的位置進行測試。 這種我們可以控制位置嗎？ 實際上，既然我們知道當一個人站在房間的角落時傳感器可能無法檢測到居住者，是否意味著我們也可以為該位置選擇峰值極值？ 例如，一個峰值極端是站在房間中央的人，這樣傳感器檢測到人員的概率最大，另一個是站在房間角落的人，這樣傳感器檢測到人員的概率最小。檢測乘員？
回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？@P_Bartell這真的很有幫助。 我已經參加了一些 DOE 培訓，我也會參加其他培訓。
我想我明白你在這個例子中想說的是什麼，但是當涉及到篩選設計時，我們真正關心的是哪個因素會對響應產生重大影響，我們真的不知道運行次數會影響建模結果，對吧？ 比方說，我們用篩選設計設計一個實驗，選擇主效應模型，做完實驗後，我們收集實際反應數據，選擇一個模型做主效應分析。 然後我們會得到結果，根據它們的 P 值告訴我們哪個因素是重要的。 我們如何知道結果是否正確？ 又或者運行一定次數後，我們通過分析結果發現沒有一個因素是顯著的，所以我們需要更多的試驗運行？ 也許我錯了，或者我的問題有點愚蠢，但我很難將其與篩選實驗設計聯繫起來......
回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？對於 Motion，選擇極端。 如果這很重要，那麼您可以“微調”。 對於房間內的位置......你真的能控制這個還是噪音？ 如果噪音，考慮阻塞。
回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？@yiyichu它超出了像這樣的一般討論論壇的範圍，甚至不完整地指導何時使用哪種建模技術。 實際問題、數據類型、數據收集方法、噪聲因素的影響、軟件能力、參與項目的人員的能力，以及可能我沒有提到的一些事情，都在幫助人們確定如何解決問題方面發揮作用。 所以在這方面，我真的認為你追求的最佳途徑是考慮一種更全面的方法，通過教育和實踐來培養你解決問題的能力。 實現這一目標的一個好方法是完成 SAS“工業問題解決的統計思維”課程，而且它是免費的（因為不收費）。 大部分課程致力於結合數據收集、數據類型和分析策略來解決問題。 以下是課程信息主頁的鏈接：解決工業問題的統計思維
我會試著給你一個例子來說明我的意思，運行次數很少，可能很難從噪音中提取信號。 這是一種腦力鍛煉……所以開始吧。 讓我們首先假設您想確定拋硬幣是否公平和平衡。 也就是說，拋硬幣有 0.5 的機會得到正面或反面。 現在假設我用一枚不是 50/50 的硬幣進行“實驗”，但您的零假設是它是一枚 50/50 的硬幣。 但實際上我在作弊，並為實驗帶來了硬幣，它有 0.7 的機會出現正面，0.3 的機會出現反面。 如果我擲一次硬幣……我得到正面。 你願意拒絕硬幣是 50/50 的假設嗎？ 可能不是在一次折騰的基礎上。 第二次拋球怎麼樣？ 現在你又開始動腦筋了。 願意拒絕了嗎？ 畢竟，如果你的假設成立，連續兩次正面朝上的概率為 0.25。 我想大多數人仍然不會拒絕原假設。 所以你第三次翻轉......這次你得到了一條尾巴。 您需要多少次翻轉和結果才能最終拒絕零？ 這就是一個問題，根據我的實踐經驗，有時會出現二元結果。
我希望這有幫助？
回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？@statman這裡的4級因素是“運動水平”，包括Major motion、Minor motion、Fine motion和none motion。 這裡的8級因子就是針對我們的案例隨機選擇一個房間內8個不同的位置。但你是對的。 其實我也在考慮把4級和8級因子取極點，讓所有因子都在2級。 那麼我們也可以選擇最終篩選設計方法。 我只是不確定哪種方式會更好。 現在你的建議讓我更有信心這樣做。 謝謝你。
回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？@P_Bartell我認為它應該只是以前的主要影響，但我可能會搞砸。 我重新檢查模型並確保模型只是主要效果，現在錯誤似乎消失了。
由於我是 DOE 和 JMP 的初學者，所以我選擇了彈性網絡擬合個性只是因為我遵循了 JMP 文檔中提供的示例。 那時我將嘗試使用基本的邏輯回歸估計方法作為起點。 感謝您的意見。 當我們選擇估計方法時，我們如何決定應該選擇什麼估計方法，什麼時候選擇基本的邏輯回歸估計方法，什麼時候選擇其他估計方法，如Lasso、Elastic Net、Ridge等。
從你的第一個回復開始，你說有時我們需要大量的運行來從噪音中提取信號以獲得明確的響應...... 你能解釋一下嗎？ 我們可以做些什麼來檢查我們是否需要更多的運行？
再次感謝您的寶貴時間。
回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？我也很好奇，但我很好奇你為什麼要看 4 級和 8 級分類因素。 這聽起來更像是一個選出獲勝者測試而不是篩選設計？ 我的想法：篩選並不意味著測試所有可能的組合。 你能選擇 4 級或 8 級的極端嗎？ 這個想法是比較所有因素（平等，無偏見）並確定哪些因素值得進一步調查。 通過在 2 個以上的水平上測試您的某些因素，您可以獲得有關這些因素的更多信息，因此對您的研究產生了偏見。
但是，當然，我不知道你的具體情況，所以你可能不想理我。
回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？@yiyichu太好了，您使用了定制設計平台。 你能分享一下你為設計結構所闡述的具體模型嗎？ 它只是主要影響嗎？ 或者有什麼不同？
在我的第一個回復中，我建議您指定一個僅具有主要效果的模型……您看到的錯誤消息基於@馬克貝利的正確答复，看起來您確實在嘗試使模型擬合的不僅僅是主效應？ 您的設計是否至少支持對至少兩個（或天堂禁止）更高階因子交互的某種程度的估計？ 對於超過 2 個級別的分類因素，要估計包含這些因素的交互作用，您的設計可以很快變大。 特別是具有 8 個級別的一個因素。
我也很好奇你為什麼選擇彈力網貼合個性？ 我想，在篩選建模模式下，我可能只是從一個簡單的名義邏輯回歸模型開始。 Elastic Net 不是一個錯誤的選擇……但它可能傾向於將一些參數估計值置零，因為這是它的本質，您可能會錯過效果級別的信息內容。 只是好奇勝於一切？
回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？這是指模型層次結構很重要這一事實。 JMP 強烈建議您維護層次結構，但並不強制要求這樣做。
模型層次結構意味著如果模型中有 X1*X2，那麼 X1 和 X2 也應該在模型中，即使它們單獨並不重要。
回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？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。 由於我有二元反應，所以當我擬合模型時，我選擇了個性：廣義回歸，分佈：二項式，估計方法：Elastic Net -- Adaptive，驗證方法：AICc。 但是當我點擊“Go”按鈕時，它會顯示一個警告“由於未能保持遺傳性，擬合提前終止。 考慮在不強制遺傳的情況下再次跑步”。 這是我必須解決的一個嚴重問題，我該如何解決這個問題，還是我應該選擇其他方法？回复：篩選設計是否可用於 1 個連續因子、7 個其他分類因子和 1 個分類響應？一旦您發現自己處於因子水平不是 2 的情況，經典的篩選設計，即兩水平部分析因設計將不適用，甚至不可行。 在某些因素的水平不是 2 的情況下，您被迫使用最佳 DOE 場景……在 JMP 中，這會直接將您帶到定制設計平台。 由於您似乎想要運行篩選設計，我會使用自定義設計平台來構建僅受主效應模型支持的設計。 著眼於盡量減少運行次數。 您可能希望在 JMP 指定的最小值之上添加幾次試驗，以允許一定程度的誤差自由度。
祝你好運，嘗試找到具有明確響應的主動效果......我過去的經驗是有時你需要大量運行才能從噪音中挑逗信號......但除非你嘗試，否則你永遠不會知道。
