另一篇关于如何在具有中心点的两阶因子中测试曲率的文章，包括关于中心点效应的讨论阶乘实验中的曲率测试是中心点效果的p值。 通过获取中心点值与建模角点平均值之间的差异的统计显着性来计算该值。 我想要一种在方差分析表中或缺少拟合表中看到此结果的方法。 我想要一种适合模型的方法来排除中心点。 我希望该模型不包含我汇总到错误中的效果。 换句话说，我想让JMP做Minitab的工作。
这似乎不是JMP 16的标准功能中的选项。 我对此有误，请指出如何操作。
如果我是对的，我仍然想在JMP中做到这一点。 我的问题是脚本是否有可能做到这一点，或者这是否将是不可能的，我应该放弃并手工完成。 我面临的主要挑战是我不知道如何使用脚本从模型报告中提取平方和自由度之和。
我可以创建一个JMP脚本来做到这一点：
-对于中心点：
-计算Ybar-center，即“模式”列中具有“ 0”的行的平均响应（中心点）
-计算Ybar-corner，即“模式”列中没有“ 0”的行的平均响应（角点）
-确定中心点和角点的数量以获得自由度，DFcenter =中心点数-1
-计算中心点复制的误差平方和
--- SScenter-error =（中心点值和Ybar-center之间的差的平方和）
-计算曲率效应的平方和
-SS曲率= Ncorner * Ncenter /（Ncorner + Ncenter）*（Ybar-center-Ybar-corner）^ 2
-平均曲率平方效应
--- MScurvature = SScurvature / 1自由度。
现在，我需要总均方误差。 此错误应包括任何复制的中心点的纯误差，复制的角点的误差以及未建模效果的贡献。
-要获得模型中误差的平方和以及误差的自由度（不包括所有中心点），脚本可以执行以下操作：
-排除“模式”列中具有“ 0”的行
-显示模型对话框，以便用户可以选择要包括的效果
-创建模型
-以某种方式提取误差平方和
--- SSmodel-error =（SSpure-error + SSlack-of-fit）和误差的自由度DFmodel-error
-将中心点的误差平方和加到模型的误差平方和上。
--- SSerror-total = SScenter-error + SSmodel-error。
-然后MSerror-total = SSerror-total /（DFcenter-error + DFmodel-error）
-计算曲率效应的F比= MScurvature / MEerror-total。
-然后从F分布中获得p值。
能行吗 关于该方法或脚本，您可以提供什么指导？ 任何数量的罐装自动化将受到欢迎吗？
谢谢，
麦克风
美国能源部脚本编写回复：另一篇关于如何在具有中心点的两阶阶乘上测试曲率的文章，包括对中心点效应的讨论您是正确的，这不是我们标准模型报告中的选项。
我们不建议使用具有多个中心点的2级设计。 如果您愿意，我可以提供更多有关原因的信息。
但是，如果需要，可以很容易地测试曲率。 你读了...吗迈克·安德森（Mike Anderson）的博客文章？
问候，
菲尔
回复：另一篇关于如何在具有中心点的两阶阶乘上测试曲率的文章，包括对中心点效应的讨论@phil_kay
感谢您到博客文章的链接。 这导致了解决方案。
TL; DR是这样的：创建一个具有两个级别的属性列，以区分角点和中心点。 然后将该列作为影响以及所有其他正在研究的术语包括在模型中。 其作用和意义将出现在“参数估计”中。
这比我通过脚本手动完成方法要好得多。 实际上，我可能可以编写一个脚本，通过重新编码“模式”（Pattern）列来创建该列。
我了解JMP社区和SAS不推荐任何东西。 我想了解有关您为什么不推荐它的更多信息。
我的问题不是关于运行复制的中心点是否是一个好主意，而在于对它们的存在进行分析。 我有一个应用程序，其中复制的中心点是一个好主意。 如果您愿意，我可以提供更多有关原因的信息。
麦克风
回复：另一篇关于如何在具有中心点的两阶阶乘上测试曲率的文章，包括对中心点效应的讨论嗨，迈克，
我很高兴您发现Mike Anderson的建议很有用。
我提到JMP不建议使用具有重复中心点的2级设计来为为什么分析报告中没有进行曲率测试提供背景信息。 顺便说一句，您随时可以在JMP的愿望清单。
布拉德利·琼斯（Bradley Jones）之前在不同的博客文章和文章中讨论了具有重复中心点的2级设计的问题：
- 重复的中心点并不是对系统噪声的很好的估计，因为它们只能为我们提供有关中心方差的信息，该方差可能小于要素空间的其他区域。
- 我们需要从最少的运行次数中获得最大的信息，因此将多次重复运行放置在因子空间的最不感兴趣的部分中会浪费实验资源。
- 如果发现曲率是活动的，则所有二次项都将被混淆，因此我们需要进行昂贵的扩充来确定主动二次效应。
在大多数情况下，您传统上可能会使用2级设计，那么确定筛选设计将是一个更好的选择。 这篇博文是解释DSD好处的好资料。 为了进行全面的讨论，我建议本文以及讨论文章和重新加入。
希望对您有所帮助。
菲尔
回复：关于如何在具有中心点的两级阶乘中测试曲率的另一篇文章，包括对中心点效应的讨论我将分享我的想法，当然，这些想法可以完全忽略。 没有一种方法或正确的实验方法。 当然，您使用的方法在效率和/或有效性方面可能会有所不同，但这必须与资源分配进行权衡。 关于中心点的重复：
1. 如果中心点是过程的当前设置，那么在这种条件下的重复实际上可能对过程中的随机误差（自然变异）给出相当好的估计，以用作统计检验的基础 (F-测试）。
2. 如果这些中心点在实验过程中随机运行（特别是如果实验需要一些时间），那么当时间排序时，它们会提供对实验区域稳定性的一些评估。
3. 同样，如果它们是当前条件，那么它允许对因子进行更大胆的水平设置，从而增加暴露因子效应的可能性。
4. 您当然可以有一定的自由度来测试非线性关系（只需为模型中的任何一项添加二次项），尽管非线性效应不是特定的。 这类似于分数阶乘，因此在您的实验迭代的正确顺序中，它非常经济且有用。 事实上，丹尼尔认为中心点比三级设计更受欢迎：
- 正如他在他的书中指出的那样，响应面的一般形状和方向受中心点（相对于中心边缘点）的影响更大，
- 三级设计缺乏径向对称性且这些设计不可旋转，中心点不存在此问题。
丹尼尔·卡斯伯特 (1976)统计学在工业实验中的应用” 威利 (ISBN 0-471-19469-7), P. 34
