DOE：使用子集全階乘來確認描述性螢幕設計的結果你好，
背景：
- 我運行了 8 因素 DSD，發現總共 5 個因素和 5 個交互作用是顯著的。
- 我選擇了兩個重要因素（每個因素有三個等級）並運行了 9 次運行的全因子 DOE，以驗證 DSD
結果：
- 這兩個因素或其交互作用都不重要：不同意帶DSD
- 兩個因素沒有交互作用：同意DSD
- 二次效應不顯著：同意 DSD
請評論或建議。
謝謝。
實驗設計回覆：DOE：使用子集全階乘來確認描述性螢幕設計的結果要添加到@馬克貝利評論：如果所選的兩個因素與不屬於 CCD 的因素相互作用，那麼這些因素的設定很可能會「抵消」主效應。
為什麼只選擇五個活性因子中的兩個？ 為什麼要對這兩個因素進行完整的能源設計？ 通常為了驗證模型，只探索幾個選定的興趣點。 這樣做並沒有什麼錯，我只是覺得好奇，所以我只是想了解一下。
回覆：DOE：使用子集全階乘來確認描述性螢幕設計的結果@P_巴特爾已經給了你一個很好的考慮因素清單。 正如他所說，可能的原因有很多。 首先也是最重要的是噪音的處理（在實驗過程中變化但未明確操縱或保持不變的因素）。 如果您在 DSD 期間保持雜訊恆定，並且在階乘期間這些雜訊中的任何一個發生變化，則 DSD 的推理空間就是問題。 我無法告訴你有多少次（我已經記不清）設計（因子、最優、DSD 等）雖然在處理設計因素方面相當高效/有效，但對創建設計幾乎沒有幫助。代表未來狀況的設計空間。 任何不考慮噪音策略的實驗都會導致類似的命運。
回覆：DOE：使用子集全階乘來確認描述性螢幕設計的結果當您執行這兩個因素進行確認時，您對 DSD 中的其他六個因素做了什麼？
回覆：DOE：使用子集全階乘來確認描述性螢幕設計的結果有一些事情需要檢查/詢問。 可以有任意數量的解釋或需要查看的內容：
1. 全階乘的水平與 DSD 的水平相比如何？ 相同、更寬、更窄？
2.您不共享因子...所以很難知道...但是DSD和全因子之間是否存在原材料差異？ 例如，兩個實驗的不同批次可能可以解釋您所看到的情況？
3. 實驗是同一個人進行的嗎？ 可能存在運營商差異。
4. 響應的測量系統怎麼樣？ 它們有變化嗎？或者您知道這些系統的變化？
5.你使用了「意義」這個可怕的字。 有些人對「顯著性」持非常嚴格的看法，並使用「p 值」作為懸崖來確定顯著性。 希望你不是這些人中的一員…例如，這些人會說（假設0.05 值是你的「懸崖」）p 值為0.049 的效應是顯著的，而p 值為0.049 的另一個效應是顯著的。0.051 並不顯著。 我認為這兩種影響都值得進一步研究。 如何比較 p 值以確保整個實驗的效果一致。
6. 使用 DSD 模型得到的殘差與您在全階乘中觀察到的實際結果如何比較？ 它們實際上有用/一致嗎...忘記 p 值等。
7. 各實驗中的反應與因子水準和實驗執行順序的比較如何？ 它們至少在方向上一致嗎？
8. 最後，可以分享一下結果/數據嗎？
