确定性筛选设计各位，
我正计划构建一个RSM来优化我的方法。 我有8个连续因素，1个分类因素和2个响应。 每个因素的水平是根据团队的先前经验确定的。 我不知道因素之间是否存在相互作用。 我无法确定噪声源，并且我打算将其随机化。 经过研究后，我认为最适合选择的设计将是确定的筛选设计？
我将不胜感激任何意见或建议
谢谢
美国能源部回复：确定的筛选设计说，
我假设您正在尝试理解描述两个因变量的响应面（RSM是一种方法）。 有很多方法可以做到这一点。 我对GEP博士教给我的循序渐进方法有偏见 盒子。 这是一种科学的方法，您可以从假设（由实验中的因素表示）开始，然后使用数据提供对这些假设的洞察力。 没有“正确”的方法可以做到这一点，最有效的方法是视情况而定。 这种方法通常首先从分数两级设计开始，该设计用于筛选大量变量（基于“稀缺性”和“影响层次”的原理）。 然后朝着改善的方向移动空间并减少变量的数量。 随着工作的反复进行，您开始向模型中添加更高阶的术语。 这些较高阶的影响可能是阶乘（相互作用）或多项式（曲率）。 顺序工作对于理解表面非常有帮助。 这类工作是最好的管理由了解机理（例如物理，化学）并可以解释统计研究结果的科学家或工程师。 科学家/工程师应解释（假设）并预测因素的可能影响（以及在所研究的空间中影响是否为线性），相互作用和极其重要的是，噪音。 也许您应该从了解一阶模型开始和噪音的影响在研究非线性关系之前，但这取决于您所做和不知道的事情。 根据您对情况的有限讨论，我的建议是花一些时间来确定可能的噪音，然后制定应对噪音的策略。 我还认为，阻塞（或：重复，分裂图，协变量等）比随机分配是一种更好的策略。 为什么要这么做，因为您想了解噪声的影响，因此最好分配噪声，而不仅仅是获得噪声大小的数字估算值。 希望随机化可以使您对噪声进行无偏估计，但它可能会损害设计的精度。
GEP“阻止您可以随机分配的内容” 盒子
我并不是说不要使用确定性的筛选设计（布拉德·琼斯（Brad Jones）在将这种设计策略推向社区方面做得很出色），您只需要权衡此时所需的信息以及获得的资源即可。该信息。
祝你好运。
回复：确定的筛选设计我将仅添加两个评论@statman ，。
首先，它是一种筛选设计，因此打算用于具有关键筛选原则的筛选情况。 我怀疑在您的案子中没有成立的最重要的问题之一是效果的稀疏性。 这种设计强调经济而不是能力。 假设实际上没有几个因素是活跃的。 您是否期望不到8个因素中的一半处于非活动状态？
其次，无论是否进行筛查，请注意“根据团队以前的经验确定每个因素的水平”不太窄。 应根据需要引起响应的较大变化来确定范围，以便回归可以有效地估计模型参数（较小的标准误差）。 范围应始终较宽。 不应基于期望响应将始终达到理想水平的期望来选择它们。 这是一个实验，而不是测试。 实验应提供最佳数据以支持建模，而不是支持“挑选获胜者”。
回复：确定的筛选设计谢谢@马克贝利
回到您的评论，我不知道我有一半以上的因素是不活跃的！ 我同意DSD最终是一种筛选设计，但它使我有可能看到我的响应中的曲率并建立响应表面模型。 从我的读物中，可以使用正向逐步回归分析来确定性筛选，其中应该保持效果稀疏。 另一方面，如果我要分析确定性筛查设计，并且在可能会产生许多影响的情况下（占我因素的一半以上），我应该使用适合确定性筛查平台，该平台应考虑DSD的有利结构（添加额外的运行并分两个阶段分析模型）
怎么想的？
回复：确定的筛选设计谢谢@statman为您提供的信息
”我的建议基于对您情况的有限讨论”“请让我知道您需要哪些详细信息，我将很乐意与您分享。 然后，我认为您将有更好的知名度为我提供更多建议，这是高度赞赏的
最好的祝福
