定制 DoE 筛选设计我有两个关于自定义 DoE 筛选设计的非常基本的问题。
1. 如果我只想知道哪些主效应对我的响应很重要，并使用自定义主效应筛选设计和 JMP 给定的默认运行数，我如何确定它是主效应还是其他混杂的二元效应互动真的很重要吗？ 如果模型分析显示因子 A 显着，但 A 与 B*C 部分相关，那么稍后优化设计中应包含哪些因子？ 我认为只有在主效应筛选设计之后的优化设计中才应进一步研究显着的主效应，例如因子 A，但如果 B*C 与因子 A 部分相关但 B 和 C 不显着，B 和 C 会丢失筛选 DoE 的主要影响？
2. 当我在模型中包含一些不受控制的因素时，JMP 不再显示相关性的颜色图。 如何评估具有不受控制因素的设计？
谢谢
二
美国能源部回复：自定义 DoE 筛选设计”如果我只想知道哪些主效应对我的响应很重要，并使用自定义主效应筛选设计和 JMP 提供的默认运行数，我如何确定是主效应还是其他混杂的双向交互作用？真的很重要吗？ ”
在模型下的术语列表中输入主效应。 确保所有双向交互都在别名下的术语列表中。 单击顶部的红色三角形并选择 Optimality Criterion > Make Alias Optimal Design。
”如果模型分析显示因子 A 显着，但 A 与 B*C 部分相关，那么稍后优化设计中应包含哪些因子？ 我认为只有在主效应筛选设计之后的优化设计中才应进一步研究显着的主效应，例如因子 A，但如果 B*C 与因子 A 部分相关但 B 和 C 不显着，B 和 C 会丢失筛选 DoE 的主要影响？ ”
如果您怀疑高阶项可能处于活动状态，那么我推荐两种方法。 首先，在模型列表中添加所有潜在术语。 选择这些术语并单击“估计”列中的“必要”，然后选择“如果可能”。 这种改变会产生两个结果。 第一个结果是最小运行次数会减少，因为它是由必须估计的参数数量决定的。 （您需要猜测实际活动项的数量并将运行添加到它们的最小值。）另一种方法是使用筛选设计，如最终筛选设计。 只要它是关键筛选原则成立的真实筛选情况，这种方式就会起作用。 你有多少因素？ 有多少可能是活跃的？
我不知道你的第二个问题的答案，我的头顶。 也许其他人有这种知识。
回复：自定义 DoE 筛选设计@JMP38401 ，以下是我的想法：
1. 我们依赖于分数阶乘和筛选设计的三个原则：
稀缺性：显着影响相对较少（类似于帕累托原则）
层次结构：一阶>二阶>>三阶，以此类推。
遗传：为了使相互作用显着，至少一个父母必须是显着的
关于你的问题，我的建议是预测排序模型效果（至少通过二阶）。 您对您认为合理且可能会影响设计分辨率选择的影响的预测。 如果您的所有一阶效应都高于二阶效应，那么开始迭代调查过程时，较低的分辨率似乎是合理的。 其实这就是等级原则。 通过混淆高阶效应来扩大因子（一阶效应）的数量。
2. 如果您怀疑交互作用（≥2 阶），那么您可能希望将分辨率提高到 IV+。
3. 我知道我不能代表关于最佳设计的大部分想法。 我不太喜欢“部分混杂”来创建更有效的设计，好像数据分析中存在没有意义的实例，下一次迭代可能是一个艰难的选择（例如，折叠设计不起作用）。
4.你的第二个问题我不是很明白。 如果数据表中有协变量，您当然可以看到协变量与设计因子之间的相关性。 Multivariate Methods>Multivariate 将提供散点图并选择您可以获得颜色图的选项（红色三角形）。 当然，如果你有很多，你可以通过在参数估计输出表中右键单击并添加 >Columns>VIF 来获得 VIF。
回复：自定义 DoE 筛选设计感谢你能这么快回复！
”在模型下的术语列表中输入主效应。 确保所有双向交互都在别名下的术语列表中。 单击顶部的红色三角形并选择 Optimality Criterion > Make Alias Optimal Design。”
我试过这个，在模型的设计评估下没有看到别名矩阵有任何变化。 我错过了什么，或者我怎么知道模型是为 Alias 优化的？ 抱歉，如果我假设我会在 Alias 矩阵或相关的颜色图下看到较低的相关效应，而误解了“使别名最佳设计”的工作原理。
“（您需要猜测实际活动术语的数量并将运行添加到它们的最小值。）”
我有 7 个连续因子，其中 3 个是 HTC。 我还有 3 个不受控制的因素，我将在 DoE 运行期间记录它们的值，因此总共有 10 个因素。 当我使用自定义 DoE 平台创建筛选设计时，我有 11 个最小运行次数（10 个因子加上截距），默认运行 18 个。 别名项下有 45 个双向交互。 如果我怀疑这 45 个双向交互中有 10 个可能是活动项，您的建议是将这 10 个双向交互添加到模型中，将其可估计性更改为如果可能，并将 10 次运行添加到最少 11 次运行中它总共运行 21 次，还是将 10 次运行添加到默认的 18 次运行以使其总共运行 28 次？ 由于我在模型中有 HTC 因素，因此确定的筛选设计似乎不起作用。
回复：自定义 DoE 筛选设计谢谢你的快速反应！
“2。 如果您怀疑交互作用（≥2 阶），那么您可能希望将分辨率提高到 IV+。”
我知道如何在 Minitab 中找到设计分辨率，但无法从 JMP 自定义设计中分辨出设计分辨率。 你能告诉我如何在 JMP 中获取设计分辨率信息吗？
“4。 我不完全理解你的第二个问题。 如果数据表中有协变量，您当然可以看到协变量与设计因子之间的相关性。 Multivariate Methods>Multivariate 将提供散点图并选择您可以获得颜色图的选项（红色三角形）。 当然，如果您有很多，您可以通过在参数估计输出表中右键单击并添加 >Columns>VIF 来获得 VIF。”
对困惑感到抱歉。 当我没有任何不受控制的因素时（在因素角色列下，它表示不受控制而不是连续等），我可以在设计评估下看到相关性和别名矩阵的颜色图。 但是，一旦我添加了任何不受控制的因素，设计评估就消失了，我无法看到别名矩阵、相关性颜色图和功效分析等。
回复：自定义 DoE 筛选设计定制设计非常灵活。 可以定义主效应模型和双交互别名矩阵并仍然获得相关性。 例如，试验次数可能会阻止进行正交设计。 在 7 次运行中考虑 3 个因素。
你能张贴一张定制设计元素的图片（因子、模型、别名矩阵、设计和相关图）吗？
回复：自定义 DoE 筛选设计
以上是具有 10 个因子的设计（7 个连续因子，其中 3 个是 HTC。 3个更多不受控制的因素。
在我完成设计后，我没有看到设计评估平台，就像我通常看到的那样，当没有不可控的因素时。
我必须单击“制作表格”，然后单击“DoE 对话框”才能查看设计评估。 然而，当我检查因素时，X8、X9和X10变成了“连续”，而不是原来的“不受控制”。 不确定为什么以及如何影响设计评估。 下面的最后一张图片显示了通过这种方式获得的相关性的颜色图。
我的主要问题是，这个设计是否是一个很好的设计，可以判断这 10 个因素中的哪些主要影响是显着的，而不必担心它们相互混淆和其他双向交互。 我的计划是在我使用 RSM 的下一个优化 DoE 中使用此筛选 DoE 中的那些重要主效应。 非常感谢你！
回复：自定义 DoE 筛选设计补充一点，颜色图中X1（HTC）和X2（HTC）之间的相关性是0.033，这对我来说听起来太大了。 为了不担心混叠，是否有最大相关性的建议值？ 谢谢！
回复：自定义 DoE 筛选设计所有设计评估信息都是设计矩阵的函数，但不受控因素的列是空的。
回复：自定义 DoE 筛选设计这是一个信噪比的问题。 即使存在相关性，也会很好地估计非常大的信号（非零参数估计）。 相关性不会使估计值或模型产生偏差。 它夸大了估计的标准误差。 我认为 0.033 非常小。
回复：自定义 DoE 筛选设计@statman很好地指导你。 我对“旁观者”的唯一补充评论是，您正在考虑旧的设计方法。 设计原则永远不会改变，但方法会不断改进。 定制设计是一种新方法。 它允许采取仅在二十年前不可能的策略。 但是随着新功能的出现，我们有责任学习新方法的原理和方法。
例如，主动效应的不确定性是一个世纪前统计 DOE 开始的一个问题。 在筛选实验中为了经济起见出现规则的部分因子设计后，该方法决定了策略。 它导致了混淆的估计（完全相关的估计）。
玩密切关注@statman关于方差或噪声的问题。 这些是贪婪的实验者必须解决的关键问题，以便从最小的设计中以最大的信心获得最多的信息。
