筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？我想评估 8 个因素对响应的影响。 有 1 个连续因子、7 个其他分类因子和 1 个分类响应，其中 2 个分类因子有 4 个水平，一个分类因子有 8 个水平。 能不能用经典的筛选设计法来设计实验呢？
我们想知道8个因素中影响最大的因素，在哪里分析筛选实验结果？ 当我们添加超过 6 个因素或因素水平超过 3 时，“筛选”选项卡消失，我们无法分析筛选设计结果。 有什么问题？ 这是否意味着在这种情况下不能使用经典筛选设计？ 还是应该单独分析筛选设计结果？
谢谢。
美国能源部回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？有许多论文讨论了处理噪声的选项。 Fisher（发明阻塞的人）、Box 等。阿尔。有许多论文/书籍。
Box、George、Hunter、William 和 Hunter, J. Stuart (2005) “实验者统计：设计、创新和发现” Wiley & Sons (ISBN 0471718130) 涵盖得很好。 这篇论文很棒：
桑德斯，D.， Leitnaker M. 和 McLean R. (2002)“工业研究中的随机完整区组设计”质量工程，卷。 14，第1期
我最喜欢的之一：
丹尼尔·卡斯伯特 (1976) “统计在工业实验中的应用” 威利 (ISBN 0-471-19469-7)
关于裂区设计的终极论文（恕我直言）：
盒子，GEP， 斯蒂芬·琼斯 (1992)，“用于稳健产品实验的裂区设计”,应用统计杂志，卷。 19号1号
我还附上了一个过于简化的讨论，用于支持有关该主题的讲座。
回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？没有我所知道的标准。 您可以使用 JMP Pro 中的模拟功能来评估给定设计的任何分析性能。
是的，这取决于你是否取得好成绩。 但是这种方法背后有一个严格的方法。 例如，您可以创建一个设计并从自定义设计平台菜单中选择模拟响应。 请注意，您可以模拟二项式响应。 您可以输入最小系数或预期系数并生成响应 对第一个模拟样本执行分析。 然后右键单击感兴趣的数字列（例如，参数估计、p 值或其他）并选择模拟。 然后，您可以按照仿真结果的指示调整设计。
请参阅模拟文档.
回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？@马克贝利根据你提到的，我总是这样将需要大量运行才能很好地估计逻辑回归或二项式 GLM 模型。 通常可以提供良好估计结果的运行次数是否有任何标准？ 还是只看我们能不能取得好成绩？ 我知道如果响应是连续的，有很多方法可以评估模型的优劣，例如帕累托图等。 当响应为二元时，我们可以使用哪些方法来评估模型是否良好？
回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？@statman我理解您试图解释为什么该位置应被视为噪音。 但我认为我需要更多地探索如何决定决议。 或者您知道有一些资源/论文可以提供帮助吗？
对于响应变量，我们使用 PIR 传感器，它是被动的，使用 IR 来检测运动。 但我们确实还需要测试一些传感器系统，这些传感器系统是不同类型传感器的组合。 在这种情况下，结果将是基于不同传感器输出的计算，而不是单一测量... 并且只有最终的二进制输出会在我们进行测试时提供给我们。 也许这种情况对于实验设计来说更复杂......
回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？马克，我经常在实验和分析过程中将噪声“视为”固定效应。 要做到这一点，实验者需要了解噪声是什么（必须对其进行识别），并且能够在实验过程中对其进行管理（或对其进行采样）。 这允许估计噪声与因素的相互作用（设计因素对噪声的影响是否一致），这是创建稳健设计的必要组成部分。
参考：
桑德斯，D.， Leitnaker M. 和 McLean R.（2002 年）“工业研究中的随机完整区组设计”质量工程，卷。 14，第1期回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？我不认为我们不同意。 我只是想确定位置因素的性质。 “最好”和“最差”的描述让它听起来像是一个固定的效果。 我看到这是两个随机位置，每个位置将提供一半的运行。 那么它应该是一个随机块。 但我完全同意位置的观点。
回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？在这一点上我不同意@马克贝利. 房间中的位置是噪音，因此在实验中应将其视为噪音。 你不想得出结论，位置很重要，人们必须站在这里才能发挥作用。 您可能不会出售这些传感器，或者您出售的传感器会有很多客户投诉（只有当我站在这里时它才有效）。回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？谢谢你的解释。
我会将位置因素视为简单的分类因素，而不是阻塞因素。
我会将自定义设计中的响应定义为没有目标。 稍后在刻画器中定义意愿函数会更容易。
一次试验（一个是或否的结果）意味着您将需要大量运行才能很好地估计逻辑回归或二项式 GLM 模型。
回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？澄清一下，部分混叠是指效果既不正交也不完全混叠。 只要您知道什么是别名，别名就没有错。 事实上，别名是一种效率策略。 为什么要在第一项研究中分离所有影响。 特别是您不需要在第一个实验中分离高阶项（阶乘或多项式）。 您需要决定要估计哪些效果，您愿意为哪些效果起别名，以及哪些将受到限制。 如果效果很显着并且您知道什么是混叠，那么下一次迭代肯定可以消除这些效果的混叠。 部分混叠的问题是效果分散在多个效果上，因此去混叠实际上是不可能的。
关于响应变量：我不知道你使用的是什么类型的传感器，但想想它是如何“感知”的。 它是主动的还是被动的？ 如果它是被动的，它是否使用 IR 来检测运动？ 传感器如何处理该信号。 可以测量/量化吗？ 你有懂科学的工程师吗？ 我会努力进行更好的测量。
在设计实验时，您需要确定设计因素所需的分辨率以及噪声所需的分辨率（分辨率通常不用于参考噪声......即使学习也很少有人花时间了解噪声它是稳健设计所必需的）。 这是一个思想实验：假设有人在房间里的位置是噪音。 您希望您的设备对噪音（房间里有人）具有鲁棒性。 您正在试验可能会或可能不会影响传感设备性能的设计因素（传感器灵敏度、角度、尺寸等）。 这些因素中的 1 个很重要，但它的影响（幅度和/或方向）取决于噪声（根据您从 RCBD 获得的逐个因素交互估计）。 你想在设计的早期就知道这一点，这样你就可以找到该因素的设置或找到另一个因素，或者让该因素在现场可调，从而减少因素交互作用的噪声。 否则，设备的性能将取决于噪声。 这意味着您有时会收到客户投诉。回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？@马克贝利感谢您提供您的想法。
对于位置，背景是我们设置了占用传感器，人们会站在测试空间的不同位置，然后我们评估占用传感器是否会检测到占用者。 因为我们想知道人们的位置是否会影响占用传感器的性能。 最初，我们选择 8 个随机位置作为位置变量的 8 个级别。 但基于我们与@statman ，最好不要在第一个实验设计中使用 8 级，这就是为什么我们决定为位置选择极端情况，一种是传感器无法检测到乘员的最坏情况，一种是人们刚好检测到的最佳情况站在传感器的正前方，这样传感器就能完美地检测到乘员。 所以也许这不是对可用性的限制？ 它只是我们想要改变的一个变量，看看它如何影响响应？
对于响应，它是一个二进制值，我们在每次运行中观察到 1 个实例。 对于我们的案例，响应是人在场/不在场。 存在表示传感器检测到乘员，不存在表示传感器未检测到乘员。 那么在这种情况下，响应的目标应该选择什么呢？
回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？@statman根据您在这里的想法，块设计将带来部分别名，因为它将量化逐个因素的相互作用。 我们不想为第一个实验做部分别名，对吗？ 而你说“you didn't fill any Ys”，意思是你没有输入“response”吗？
我们的响应变量是二进制存在/不存在，这意味着占用传感器是否在空间中检测到人。 实际上，我们可以解释响应的另一种方式是计算测试室中的人数。 然后我们可以稍后根据结果决定传感器存在/不存在。 如果计数为 0，则“不存在”；如果它不为 0，则为“存在”。 除此之外，我想不出其他方式来解释响应。 或者，也许你有一些好的想法？ 这对改善案件有帮助吗？ 不幸的是，我们无法使用占用传感器检测物体/人的大小。 运动有四类，主要的——人们走路，次要的——人们伸展双臂，好的——人们打字，没有——睡觉。 改变运动量是什么意思？ 位置影响传感器的性能不仅因为距离，还因为传感器与人的角度。 如果我们想要一些东西来代替位置，也许我们应该包括距离和角度变量。 然后我们在两个级别上定义距离和角度的极值。 这会有帮助吗？
回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？很抱歉这么晚才加入这个讨论。
位置似乎是具有固定效应的分类因素。 这真的是可用性限制吗？ 也就是说，您只能对每个位置进行有限数量的观察？ 您可以使用多少个地点？ 您将这两个位置称为“最佳”和“最差”这一事实对我来说表明了定性或分类因素。
默认情况下，模型只有主要或附加效果。 颜色图也向您显示高阶项，以便您可以评估这些效应（相关性）对主效应的影响。 如果您不包括这些影响，那么这些影响将使您的模型产生偏差，如果包括它们，则会增加估计值的标准误差。
回应是什么？ 它是二进制的还是两个二进制结果的计数？ 例如，我可能会在每次运行中观察 20 个实例并记录每个结果（成功、失败）的数量。 另一方面，我可能在每次运行中只观察到一个实例。 在这种响应的情况下，您不能在定制设计中使用功耗分析。 但是你肯定需要更多的运行来获得这样的响应。 定制设计中的模拟响应命令以及 JMP Pro 中的模拟功能可用于评估任何设计的经验功效。
响应的目标保存为响应限制列属性。 它定义了预测刻画器中优化的合意性函数。 我认为它不适合这种情况，但您可以在进入探查器后更改它，然后保存更新后的定义。
回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？是的，你是对的......很抱歉错过了响应是二进制的。 我真的建议你创建一个更好的响应变量（见前面的注释）。回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？虽然两者@P_Bartell我正在尝试给你一些建议，你应该意识到没有“正确”的设计。 每个设计都可能在所需资源、检测设计因素影响的精度、分辨率、可以估计的模型、可以估计的因素数量等方面有所不同。 我的建议是设计多个实验并根据标准集和您的情况对其进行评估。 我还建议您预测所有可能的结果以及您将在每个结果中做什么。 您有 8 个设计因素和至少 1 个噪声变量。 第一个实验的目的是设计一个更好的实验（移动设计空间并确定最有趣的因素）。 通常较低的分辨率可以识别主要效果，但您应该将模型效果排序到二阶，以确定是否需要提高分辨率。 此外，当您让 JMP 区组设计时，软件默认将区组视为随机效应。 但是，当您知道构成块的噪音时，您可以将其视为固定效应并量化逐个因素的交互作用。 你可能会说我有点守旧。 我想知道别名，不喜欢做部分别名，因为这更难以解释和确定后续实验应该是什么。 但我可能是这里的少数。 许多人喜欢优化设计以提高效率。 我也不填写任何 Y，因为我不希望软件“控制”我的分析（在某些情况下，限制我的分析选项）。
关于您的响应变量，您是否考虑过其他量化响应的方法？ 二元响应需要大样本量来检测差异。 你能改变“物体”或“人”的大小并记录检测到的物体大小吗？ 或者你能改变被检测到的“运动”量吗？ 如果与传感器的距离很重要，而不是在房间内的位置进行阻挡，您能否确定检测到物体与传感器的距离？ 无论如何，我会建议更多地考虑响应变量。回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？@statman感谢您的建议。
我试图找到这些地块，包括丹尼尔图（正态图）、帕累托效应图和可能的贝叶斯图，但它们似乎在“效果筛选”下，并且只有在您使用“标准最小二乘法”作为“个性”时才可用，这意味着响应应该是连续的。 如果我选择具有“二项式”响应的“广义线性模型”，则没有这样的选择。 我错了吗，还是我需要在其他地方找到这个？
回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？@statman感谢您的意见。
如果我选择使用方法 3：如您提到的 RCBD在 2 个块（最佳和最差位置）上复制处理，如下所示：
默认的运行次数是16次，那么“Color Map on Correlations”如下：
从上面的彩图来看，模型似乎不是主效应模型。一般来说，颜色地图一个好的设计显示了很多白色的诊断在al，表示正交在性或小相关性s 在不同的术语之间。 这是否意味着这不是一个好的设计？ 如果我增加运行次数，它会在对角线上显示大部分白色，这是否意味着我在进行实验设计时需要增加运行次数？
还有一个问题：
我们的响应是一个二进制值（0/1），0表示没有乘员，1表示有乘员，对于响应，我使用“Maximum”作为Goal，如下：
这是正确的，还是我应该使用“无”作为目标？
回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？我建议使用丹尼尔图（正常图）、帕累托效应图以及可能的贝叶斯图与 p 值来评估筛选设计中的有趣因素。 我很担心你的筛选设计中 MSE 的估计很差，不具有代表性和偏见。 我建议的情节不太可能有偏见。 您基本上是在相互比较所有效果，以确定哪些是可分配的和具有实际意义的。回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？在这种情况下，房间内的位置是噪音。 您无法控制某人在房间里的位置，但您仍然希望您的传感器检测到他们在那里。 在实验期间可以控制房间中的位置，但在现实生活中不能。 可以通过多种不同方式处理此类因素：
1. 重复：保持治疗组合不变，在不同部位重复测量。 位置可以是随机的，但如果有关于位置差异的具体假设（例如，与传感器的接近度、与传感器的角度、房间角落）的原因，您将获得更多信息，因此系统地进行采样。
2. 随机重复：我相信这就是你处理这个因素的方式。 虽然这会增加推理空间并提供 MSE 的理论上无偏估计，但您不知道位置的影响，并且可能会损害设计因素影响检测精度。
3. RCBD：在这种情况下，您可以选择最佳位置（靠近传感器正前方）作为 1 级，选择最差位置（远且处于极端角度）作为 2 级。 在 2 个块上重复处理。 在这种情况下，您可以将位置视为固定效果。 这允许增加推理空间，并能够以更高的精度估计块（位置）和所有块因子交互效应（衡量传感器的稳健性）。
4. 裂区（叉积数组）：要么将处理放在整个图中，将噪声放在子图中，要么将噪声放在 WP 中，将处理放在 SP 中。这将提高设计效率，并可能提高检测设计因素和因因素交互作用引起的噪声的精度。回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？@P_Bartell所以这个问题似乎没有简单的方法或单一的答案。 当我使用筛选设计方法设计实验和分析结果时，我会牢记这一点。 感谢您的时间和耐心。
回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？我的例子实际上是一个筛选设计。 只有一个因素……但这些原则适用于一对多因素及其适当的水平。 是的，在某种程度上你会使用 p 值……但不要落入 p 值是一个悬崖陷阱。 假设您采用，并且拒绝任何效果估计的原假设所需的特定临界 p 值完全取决于您……那么您要选择哪个值？ 0.05？ 0.01？0.10？等等。 如果您选择 0.05 作为参数估计的临界 p 值，并且您有一个效应的 p 值 = 0.049，另一个为 0.051，会发生什么情况。 以悬崖心态，你会被迫说反映 0.049 估计值的因素是“重要的”……主啊，我讨厌这个词……但那是另一次的咆哮，另一个因素是“不重要的”因为它的p值高于临界值。
运行次数提供了检测效果的能力。 我的例子证明了这一点。 两次运行……你很难拒绝零假设……但是抛硬币，比如说 1,000 次，我敢打赌你会拒绝零假设。 筛选设计在运行次数方面故意非常稀疏……因此可能存在影响……您只是没有收集到足够的证据来说服陪审团。
回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？@statman通常，我们的目标是确定居住者在房间中的位置是否会影响占用传感器检测居住者的性能。 所以我们会先在地板上标记一个 3x3 英尺的网格，然后使用一些随机数生成工具随机选择 8 个位置，居住者将站在这 8 个不同的位置进行测试。 这种我们可以控制位置吗？ 实际上，既然我们知道当一个人站在房间的角落时传感器可能无法检测到居住者，是否意味着我们也可以为该位置选择峰值极值？ 例如，一个峰值极端是站在房间中央的人，这样传感器检测到人员的概率最大，另一个是站在房间角落的人，这样传感器检测到人员的概率最小。检测乘员？
回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？@P_Bartell这真的很有帮助。 我已经参加了一些 DOE 培训，我也会参加其他培训。
我想我明白你在这个例子中想说的是什么，但是当涉及到筛选设计时，我们真正关心的是哪个因素会对响应产生重大影响，我们真的不知道运行次数会影响建模结果，对吧？ 比方说，我们用筛选设计设计一个实验，选择主效应模型，做完实验后，我们收集实际反应数据，选择一个模型做主效应分析。 然后我们会得到结果，根据它们的 P 值告诉我们哪个因素是重要的。 我们如何知道结果是否正确？ 又或者运行一定次数后，我们通过分析结果发现没有一个因素是显着的，所以我们需要更多的试验运行？ 也许我错了，或者我的问题有点愚蠢，但我很难将其与筛选实验设计联系起来......
回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？对于 Motion，选择极端。 如果这很重要，那么您可以“微调”。 对于房间内的位置......你真的能控制这个还是噪音？ 如果噪音，考虑阻塞。
回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？@yiyichu它超出了像这样的一般讨论论坛的范围，甚至不完整地指导何时使用哪种建模技术。 实际问题、数据类型、数据收集方法、噪声因素的影响、软件能力、参与项目的人员的能力，以及可能我没有提到的一些事情，都在帮助一个人确定如何解决问题方面发挥作用。 所以在这方面，我真的认为你追求的最佳途径是考虑一种更全面的方法，通过教育和实践来培养你解决问题的能力。 实现这一目标的一个好方法是完成 SAS“解决工业问题的统计思维”课程，而且它是免费的（因为不收费）。 大部分课程致力于结合数据收集、数据类型和分析策略来解决问题。 以下是课程信息主页的链接：解决工业问题的统计思维
我会试着给你一个例子来说明我的意思，运行次数很少，可能很难从噪音中提取信号。 这是一种脑力锻炼……所以开始吧。 让我们首先假设您想确定抛硬币是否公平和平衡。 也就是说，抛硬币有 0.5 的机会得到正面或反面。 现在假设我用一枚不是 50/50 的硬币进行“实验”，但您的零假设是它是一枚 50/50 的硬币。 但实际上我在作弊，并为实验带来了硬币，它有 0.7 的机会出现正面，0.3 的机会出现反面。 如果我掷一次硬币……我得到正面。 你愿意拒绝硬币是 50/50 的假设吗？ 可能不是在一次折腾的基础上。 第二次抛球怎么样？ 现在你又开始动脑筋了。 愿意拒绝了吗？ 毕竟，如果你的假设成立，连续两次正面朝上的概率为 0.25。 我想大多数人仍然不会拒绝原假设。 所以你第三次翻转......这次你得到了一条尾巴。 您需要多少次翻转和结果才能最终拒绝零？ 这就是一个问题，根据我的实践经验，有时会出现二元结果。
我希望这有帮助？
回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？@statman这里的4级因素是“运动水平”，包括Major motion、Minor motion、Fine motion和none motion。 这里的8级因子就是针对我们的案例随机选择一个房间内8个不同的位置。但你是对的。 其实我也在考虑把4级和8级因子取极点，让所有因子都在2级。 那么我们也可以选择最终筛选设计方法。 我只是不确定哪种方式会更好。 现在你的建议让我更有信心这样做。 谢谢你。
回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？@P_Bartell我认为它应该只是以前的主要影响，但我可能会搞砸。 我重新检查模型并确保模型只是主要效果，现在错误似乎消失了。
由于我是 DOE 和 JMP 的初学者，所以我选择了弹性网络拟合个性只是因为我遵循了 JMP 文档中提供的示例。 那时我将尝试使用基本的逻辑回归估计方法作为起点。 感谢您的意见。 当我们选择估计方法时，我们如何决定应该选择什么估计方法，什么时候选择基本的逻辑回归估计方法，什么时候选择其他估计方法，如Lasso、Elastic Net、Ridge等。
从你的第一个回复开始，你说有时我们需要大量的运行来从噪音中提取信号以获得明确的响应...... 你能解释一下吗？ 我们可以做些什么来检查我们是否需要更多的运行？
再次感谢您的宝贵时间。
回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？我也很好奇，但我很好奇你为什么要看 4 级和 8 级分类因素。 这听起来更像是一个选出获胜者测试而不是筛选设计？ 我的想法：筛选并不意味着测试所有可能的组合。 你能选择 4 级或 8 级的极端吗？ 这个想法是比较所有因素（平等，无偏见）并确定哪些因素值得进一步调查。 通过在 2 个以上的水平上测试您的某些因素，您可以获得有关这些因素的更多信息，因此对您的研究产生了偏见。
但是，当然，我不知道你的具体情况，所以你可能不想理我。
回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？@yiyichu太好了，您使用了定制设计平台。 你能分享一下你为设计结构所阐述的具体模型吗？ 它只是主要影响吗？ 或者有什么不同？
在我的第一个回复中，我建议您指定一个仅具有主要效果的模型……您看到的错误消息基于@马克贝利的正确答复，看起来您确实在尝试使模型拟合的不仅仅是主效应？ 您的设计是否至少支持对至少两个（或天堂禁止）更高阶因子交互的某种程度的估计？ 对于超过 2 个级别的分类因素，要估计包含这些因素的交互作用，您的设计可以很快变大。 特别是具有 8 个级别的一个因素。
我也很好奇你为什么选择弹力网贴合个性？ 我想，在筛选建模模式下，我可能只是从一个简单的名义逻辑回归模型开始。 Elastic Net 不是一个错误的选择……但它可能倾向于将一些参数估计值归零，因为这是它的本质，您可能会错过效果级别的信息内容。 只是好奇胜于一切？
回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？这是指模型层次结构很重要这一事实。 JMP 强烈建议您维护层次结构，但并不强制要求这样做。
模型层次结构意味着如果模型中有 X1*X2，那么 X1 和 X2 也应该在模型中，即使它们单独并不重要。
回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？非常感谢你。 我还有另一个后续问题。
我使用了定制设计平台。 由于我是二元响应，所以在拟合模型的时候，我选择了Personality: Generalized Regression, Distribution: Binomial, Estimation Method: Elastic Net -- Adaptive, Validation Method: AICc。 但是当我点击“Go”按钮时，它会显示一个警告“由于未能保持遗传性，拟合提前终止。 考虑在不强制遗传的情况下再次跑步”。 这是我必须解决的一个严重问题，我该如何解决这个问题，还是我应该选择其他方法？回复：筛选设计是否可用于 1 个连续因子、7 个其他分类因子和 1 个分类响应？一旦您发现自己处于因子水平不是 2 的情况下，经典筛选设计（即两水平部分析因设计）将不适用甚至不可行。 在某些因素的水平不是 2 的情况下，您被迫使用最佳 DOE 场景……这在 JMP 中会直接将您带到定制设计平台。 由于您似乎想要运行筛选设计，因此我会使用自定义设计平台来构建仅受主效应模型支持的设计。 着眼于尽量减少运行次数。 您可能希望在 JMP 指定的最小值之上添加几次试验，以允许一定程度的误差自由度。
祝你好运，尝试找到具有明确响应的主动效果......我过去的经验是有时你需要大量运行才能从噪音中挑逗信号......但除非你尝试，否则你永远不会知道。
