分析缺失数据的析因实验<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />我将以我对 DOE 不熟悉这一事实作为我的问题的序言。在尝试学习基础知识后，我设计了一个具有 5 个中心点的 2^5 全因子实验（以获得过程误差的估计）。最终这个过程是生产样品，我们用不同的方式来表征。我们正在查看许多回复。问题在于，对于某些样品，我们无法进行所有表征，因为出于某种原因，该样品不适用于该类型的表征。所以，我想知道如何分析缺少一些数据点的结果。现在我正在尝试做一些非常简单的事情，只计算主效应、交互效应等。我制作了一个电子表格来手工计算结果，并通过软件运行数据。对于我拥有所有数据的响应，我计算的效果与软件计算的效果相同。对于我缺少一些数据点的响应，效果是不同的。它们很接近 - 但不一样。我在计算中所做的更改只是省略了我没有的数据点（例如，如果我需要平均八个值，我会平均七个）。我真正想知道的是，如果缺少数据点，软件如何计算影响？我怎样才能重现这个计算？我一生都无法找到有关如何处理缺失数据点的信息。我相信挖掘结果仍然有很多价值，因为我在 32 次运行中只遗漏了几个数据点......
回复：分析缺失数据的析因实验米歇尔，
我相信你可以计算它，但它会涉及一些矩阵计算。实际上，事实上，您完成了一个完整的因子设计，当然有足够的自由度来拟合一个模型，尽管存在缺失值，但该模型描述了您的响应。参数估计值可能会有些偏差，但无论效果是否显着，您的结论都应该很好。
娄
回复：分析缺失数据的析因实验谢谢娄 - 超级有帮助！那么，这样说是否公平：
(a) 以与软件相同的方式手动计算效果非常重要（即，没有（相对）简单的公式）
(b) 软件计算的效果比我通过简单省略缺失数据手动计算的效果更好（更准确） - 所以我应该使用那些
(c) 即使缺少数据，软件的结果仍然可以（特别是如果大部分数据都在那里......）
我无法手动计算效果，这真的让我感到烦恼；我想对分析有更多的控制，并将软件更多地用作吞吐量的工具，而不是外包了解计算的工作原理。
回复：分析缺失数据的析因实验这是一个简单的 3 因子全因子设计示例。第一种情况是所有 8 次运行都用于设计评估，第二种情况是由于缺少响应而排除了一行。正如您所看到的，属性非常不同，并且会影响第二种情况下的参数估计。
回复：分析缺失数据的析因实验米歇尔，
很好的问题！当没有缺失数据时，设计参数估计很容易手工计算并与软件输出一致。那是因为正交设计显示的所有奇妙属性。但是，一旦丢失数据，设计就会变得不平衡，并且模型项中会出现相关性，这可能会导致参数估计产生偏差。正如您所提到的，计算确实很接近，但与软件输出不一致。那是因为软件输出正在计算参数估计，其中包括由于丢失数据行而产生的偏差。如果您使用 JMP 中的评估设计功能并查看与数据表相关性的颜色图，其中排除了缺失值的数据行，您将看到参数估计中包含的偏差。
我希望这有帮助。
