另一篇关于如何测试具有中心点的两级阶乘曲率的文章，包括中心点效应的讨论因子实验中的曲率检验是中心点效应的 p 值。 它是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的。 我想要一种在方差分析表或失拟表中看到这一点的方法。 我想要一种模型拟合排除中心点的方法。 我希望模型不包含我汇集到错误中的影响。 换句话说，我想让 JMP 做 Minitab 所做的事情。
这似乎不是 JMP 16 标准功能中的一个选项。 如果我错了，请指出我该怎么做。
如果我是对的，我仍然想在 JMP 中进行。 我的问题是脚本是否可以做到这一点，或者这是否不可能，我应该放弃并手动完成。 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和自由度。
我可以创建一个 JMP 脚本来执行此操作：
- 对于中心点：
-- 计算 Ybar-center，即“模式”列（中心点）中具有“0”的行的平均响应
-- 计算 Ybar-corner，即“Pattern”列（角点）中没有“0”的行的平均响应
-- 确定中心点和角点的数量以获得自由度，DFcenter = 中心点数量 - 1
-- 计算中心点复制的误差平方和
--- SScenter-error =（中心点值与 Ybar-center 之间差值的平方和）
-- 计算曲率效应的平方和
--- SS曲率 = Ncorner * Ncenter / (Ncorner + Ncenter) * (Ybar-center - Ybar-corner)^2
-- 曲率均方效应
---MS曲率=SS曲率/1自由度。
现在我需要总均方误差。 该误差应包括任何复制中心点的纯误差以及复制角点的误差和未建模效应的贡献。
- 要获取模型中的误差平方和以及误差中的自由度（排除所有中心点），脚本执行以下操作：
-- 排除“Pattern”列中包含“0”的行
-- 显示模型对话框，以便用户可以选择要包含的效果
-- 创建模型
-- 以某种方式提取误差平方和
--- SSmodel-error = (SSpure-error + SSlack-of-fit) 和误差自由度 DFmodel-error
-- 将中心点的误差平方和添加到模型的误差平方和中。
--- SSerror-total = SScenter-error + SSmodel-error。
-- 那么 MSerror-total = SSerror-total / ( DFcenter-error + DFmodel-error)
-- 计算曲率效应的 F 比率 = MScurvature / MEerror-total。
-- 然后从 F 分布中获取 p 值。
它会起作用吗？ 您可以就方法或脚本提供哪些指导？ 任何数量的罐装自动化都会受到欢迎吗？
谢谢，
麦克风
实验设计回复：关于如何测试具有中心点的两级阶乘中的曲率的另一篇文章，包括中心点效应的讨论我将分享我的想法，当然，这可以完全忽略。 没有一种方法或正确的方法可以进行实验。 当然，您使用的方法的效率和/或有效性可能会有所不同，但这必须根据资源分配进行权衡。 关于中心点的重复：
1. 如果中心点是过程的当前设置，那么在此条件下的重复实际上可能会给出过程中随机误差（自然变异）的相当好的估计，以用作统计测试的基础（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，那么它允许对因素进行更大胆的水平设置，增加暴露因素影响的可能性。
4. 当然，您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），尽管非线性效应并不具体。 这类似于分数阶乘，因此按照正确的实验迭代顺序，它非常经济且有用。 事实上，丹尼尔认为中心点比三层设计有更多好处：
- 正如他在书中指出的那样，响应面的总体形状和方向受中心点（相对于中心边缘点）的影响更大，
- 三层设计缺乏径向对称性，并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
回复：关于如何测试具有中心点的两级阶乘中的曲率的另一篇文章，包括中心点效应的讨论嗨，迈克，
我很高兴您发现迈克·安德森的建议很有用。
我提到 JMP 不建议使用具有复制中心点的 2 水平设计来说明分析报告中没有进行曲率检验的原因。 顺便说一句，您随时可以在JMP 愿望清单。
Bradley Jones 之前在不同的博客文章和文章中讨论了具有复制中心点的 2 层设计的问题：
- 重复中心点并不是对系统噪声的良好估计，因为它们仅向我们提供有关中心方差的信息，该信息可能小于因子空间其他区域的方差。
- 我们需要从最少的运行次数中获取最多的信息，因此将多次重复运行放在因子空间中最不有趣的部分是对实验资源的不良利用。
- 如果发现曲率是活跃的，则所有二次项都会被混淆，因此我们需要进行昂贵的增强来确定活跃的二次效应。
在大多数情况下，您可能传统上使用 2 水平设计，最终筛选设计将是更好的选择。 这篇博文是解释 DSD 优点的一个很好的来源。 为了进行彻底的讨论，我建议本文以及讨论文章和反驳。
我希望这有帮助。
菲尔
回复：关于如何测试具有中心点的两级阶乘中的曲率的另一篇文章，包括中心点效应的讨论@菲尔_凯
感谢您提供博客文章的链接。 它带来了一个解决方案。
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。 然后将该列与正在研究的任何其他项一起作为效果包含在模型中。 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的方法要好得多。 事实上，我可能可以编写一个脚本，通过重新编码“模式”列来创建该列。
据我了解，JMP 社区和 SAS 不推荐各种内容。 我想了解更多有关您不推荐它的原因的信息。
我的问题不是运行复制的中心点是否是个好主意，而是在它们存在后对其进行分析。 我有一个应用程序，其中复制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：关于如何测试具有中心点的两级阶乘中的曲率的另一篇文章，包括中心点效应的讨论您是对的，这不是我们的标准模型报告中的选项。
我们不推荐具有多个中心点的 2 层设计。 如果您愿意，我可以提供更多有关原因的信息。
然而，如果您愿意的话，测试曲率并不困难。 你读了...吗迈克·安德森（Mike Anderson）对此的博客文章？
问候，
菲尔
回复：另一篇关于如何测试具有中心点的两级因子曲率的帖子，包括对中心点效应的讨论谢谢你对中心点价值的精彩总结，你的观点非常实用。
多年来，我成功地将中心点用作连续实验计划的一部分。这种方法对您列出的许多要点产生了巨大的价值，并且在我们想要扩展因子以用于建模目的时，它还具有增强有效因子设计的价值。中心点的使用对于 DOE 新手来说也非常容易理解，并进一步支持了他们的接受。
