用二进制结果解释析因设计你好！
我正在努力解释具有4个元素的析因设计。 在尝试使用2种元素进行实验之前，结果很简单。
在附件中，您可以看到带有实验的jmp数据集文件。
由于去除了不重要的元素，我得出的结论是，只有C和В是有效的，具有负面影响。
我的结论正确吗？
Rsquare值非常低，但是元素的chisquare值却很重要。
也许实验动力不足，需要更大的样本量吗？
PS。
对不起，对于新手问题，我仍在学习。:)
通常，当我将析因设计的程度从完全降低为2或从模型中删除一些变量时，试图解释不同的DoE实验，则相同变量的效果有时会明显朝相反的方向变化。
在这种情况下，是否需要查看误解率以选择模型？
然后有义务对获胜变量进行后续实验，或者您可以直接发货？ 这里的方法是什么？
您能否将我指向具有结构化方法的文章或书籍，以解释二进制DoE的结果？
谢谢
分析工具美国能源部回复：具有二进制结果的因子设计的解释首先，即使存在显着关系，二进制响应也经常导致非常低的R方。 这仅意味着在给定条件下预测结果存在很大的不确定性。 这可能是由于缺乏合身性造成的，但同样，这种回应非常普遍。
回复：具有二进制结果的因子设计的解释第三次是魅力吗？
概率分析有效，但结果实际上是相同的。
此外，您的数据也没有错-我的错。
R平方低的部分原因是您获得了很少的结果（成功比例），并且随着条件的变化，计数并没有很大的不同。
回复：具有二进制结果的因子设计的解释马克可能对Probit分析是正确的。 我不确定。 我还看到Mark看到了一些需要解决的数据问题。
我注意到的是，成功的可能性极低。 任何实验条件下成功的最高概率为0.006。 这引起了一个问题，因为我什至不需要考虑您的因素。 如果我总是预测失败，那么我将至少有99.4％的时间是正确的。 那是一个很好的模型。 它不是非常有用，但是很好。 这将给任何建模方法带来问题。
我认为您应该更正数据问题，重新考虑分析方法以及从分析中寻找什么信息。 祝你好运。
回复：具有二进制结果的因子设计的解释谢谢您的回复！
抱歉，我错误地命名了成功列，它应该有一个计数名称。 如果我正确理解您的问题。
那么，最好使用名义Logistic回归来定义重要变量，并使用二项式GLM来解释其影响大小？
关于功效分析，在这种情况下，如果我们只有2个水平，则我们可以像OFAT（A / B实验）那样计算样本量，如果我们要检测20％的影响，则总共可以进行80K次试验以目前的成功率控制。 这比我在数据集中（20K）所拥有的更多。 因此，可能需要更大的样本量。
您将根据这些结果得出什么结论？
回复：具有二进制结果的因子设计的解释我认为可以使用逻辑回归或二项式GLM来确定重大影响并解释这些影响的性质。
下的功率分析平台DOE>设计诊断>功效和样本数量并不是用于多因素实验的最佳工具。当存在多个因素时，这些功效分析工具不适用，因为结果过于乐观，因为它们没有考虑估计和测试其他影响所需的样本量。
我通常建议使用设计评估>功耗分析每个设计平台内可用的工具。 您可以阅读有关此功能的更多信息这里。 但是请注意，此工具假定您会持续响应。 而且用于二进制响应的单独的功率分析工具不能适应多个因素。 您将不得不假设结果是最好的情况，并以某种方式获得一定的利润。
