用二進制結果解釋析因設計你好！
我正在努力解釋具有4個元素的析因設計。 在嘗試使用2種元素進行實驗之前，結果很簡單。
在附件中，您可以看到帶有實驗的jmp數據集文件。
由於去除了不重要的元素，我得出的結論是，只有C和В是有效的，具有負面影響。
我的結論正確嗎？
Rsquare值非常低，但是元素的chisquare值卻很重要。
也許實驗動力不足，需要更大的樣本量嗎？
PS。
對不起，對於新手問題，我仍在學習。:)
通常，當我將析因設計的程度從完全降低為2或從模型中刪除某些變量時，嘗試解釋不同的DoE實驗，則相同變量的效果有時會明顯朝相反方向變化。
在這種情況下，是否需要查看誤解率以選擇模型？
然後有義務對獲勝變量進行後續實驗，或者您可以直接發貨？ 這裡的方法是什麼？
您能否將我指向具有結構化方法的文章或書籍，以解釋二進制DoE的結果？
謝謝
分析工具美國能源部回复：具有二進制結果的因子設計的解釋首先，即使存在顯著關係，二進制響應也經常導致非常低的R方。 這僅意味著在給定條件下預測結果存在很大的不確定性。 這可能是由於缺乏合身性造成的，但同樣，這種回應非常普遍。
回复：具有二進制結果的因子設計的解釋第三次是魅力嗎？
概率分析有效，但結果實際上是相同的。
此外，您的數據也沒有錯-我的錯。
R平方低的部分原因是您獲得了很少的結果（成功比例），並且隨著條件的變化，計數並沒有太大差異。
回复：具有二進制結果的因子設計的解釋馬克可能對Probit分析是正確的。 我不確定。 我還看到Mark看到了一些需要解決的數據問題。
我注意到的是，成功的可能性極低。 任何實驗條件下成功的最高概率為0.006。 這引起了一個問題，因為我什至不需要考慮您的因素。 如果我總是預測失敗，那麼我將至少有99.4％的時間是正確的。 那是一個很好的模型。 它不是非常有用，但是很好。 這將給任何建模方法帶來問題。
我認為您應該更正數據問題並重新考慮分析方法以及從分析中尋找什麼信息。 祝你好運。
回复：具有二進制結果的因子設計的解釋謝謝您的回复！
抱歉，我錯誤地命名了成功列，它應該有一個計數名稱。 如果我正確理解您的問題。
因此，最好使用名義Logistic回歸來定義重要變量，並使用二項式GLM來解釋其效應大小？
關於功效分析，在這種情況下，如果我們只有2個水平，則我們可以像OFAT（A / B實驗）那樣計算樣本量，如果我們要檢測20％的影響，則總共可以進行80K次試驗以目前的成功率控制。 這比我在數據集中（20K）所擁有的更多。 因此，可能需要更大的樣本量。
您將根據這些結果得出什麼結論？
回复：具有二進制結果的因子設計的解釋我認為可以使用邏輯回歸或二項式GLM來確定重大影響並解釋這些影響的性質。
下的功率分析平台DOE>設計診斷>功效和样本數量並不是用於多因素實驗的最佳工具。當存在多個因素時，這些功率分析工具不適用，因為結果過於樂觀，因為它們沒有考慮估計和測試其他效應所需的樣本量。
我通常建議使用設計評估>功耗分析每個設計平台內可用的工具。 您可以閱讀有關此功能的更多信息這裡。 但是請注意，此工具假定您會持續響應。 而且用於二進制響應的單獨的功率分析工具不能適應多個因素。 您將不得不假設結果是最好的情況，並以某種方式獲得一定的利潤。
