DOE：使用子集全阶乘来确认描述性屏幕设计的结果你好，
背景：
- 我运行了 8 因素 DSD，发现总共 5 个因素和 5 个交互作用是显着的。
- 我选择了两个重要因素（每个因素具有三个水平）并运行了 9 次运行的全因子 DOE，以验证 DSD
结果：
- 这两个因素或其相互作用都不重要：不同意带DSD
- 两个因素没有交互作用：同意DSD
- 二次效应不显着：同意 DSD
请评论或建议。
谢谢。
实验设计回复：DOE：使用子集全阶乘来确认描述性屏幕设计的结果要添加到@马克贝利评论：如果所选的两个因素与不属于 CCD 的因素相互作用，那么这些因素的设置很可能会“抵消”主效应。
为什么只选择五个活性因子中的两个？ 为什么要对这两个因素进行完整的能源设计？ 通常为了验证模型，仅探索几个选定的兴趣点。 这样做并没有什么错，我只是觉得好奇，所以我只是想了解一下。
回复：DOE：使用子集全阶乘来确认描述性屏幕设计的结果@P_巴特尔已经给了你一个很好的考虑因素清单。 正如他所说，可能的原因有很多。 首先也是最重要的是噪声的处理（在实验过程中变化但未明确操纵或保持不变的因素）。 如果您在 DSD 期间保持噪声恒定，并且在阶乘期间这些噪声中的任何一个发生变化，则 DSD 的推理空间就是问题。 我无法告诉你有多少次（我已经记不清）设计（因子、最优、DSD 等）虽然在处理设计因素方面相当高效/有效，但对创建设计几乎没有帮助。代表未来状况的设计空间。 任何不考虑噪声策略的实验都会导致类似的命运。
回复：DOE：使用子集全阶乘来确认描述性屏幕设计的结果当您运行这两个因素进行确认时，您对 DSD 中的其他六个因素做了什么？
回复：DOE：使用子集全阶乘来确认描述性屏幕设计的结果有一些事情需要检查/询问。 可以有任意数量的解释或需要查看的内容：
1. 全阶乘的水平与 DSD 的水平相比如何？ 相同、更宽、更窄？
2.您不共享因子...所以很难知道...但是DSD和全因子之间是否存在原材料差异？ 例如，两个实验的不同批次可能可以解释您所看到的情况？
3. 实验是同一个人进行的吗？ 可能存在运营商差异。
4. 响应的测量系统怎么样？ 它们有变化吗？或者您是否知道这些系统的变化？
5.你使用了“意义”这个可怕的词。 有些人对“显着性”持非常严格的看法，并使用“p 值”作为悬崖来确定显着性。 希望你不是这些人中的一员……例如，这些人会说（假设 0.05 值是你的“悬崖”）p 值为 0.049 的效应是显着的，而 p 值为 0.049 的另一个效应是显着的。 0.051 并不显着。 我认为这两种影响都值得进一步研究。 如何比较 p 值以确保整个实验的效果一致。
6. 使用 DSD 模型得到的残差与您在全阶乘中观察到的实际结果如何比较？ 它们实际上有用/一致吗...忘记 p 值等。
7. 各个实验中的响应与因子水平和实验执行顺序的比较如何？ 它们至少在方向上一致吗？
8. 最后，您能分享一下结果/数据吗？
