分析具有缺失数据的阶乘实验<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />我将以我对 DOE 不熟悉的事实作为我的问题的开头。 在尝试学习基础知识之后，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值）。 最终，该过程是生产样品，我们以不同的方式对其进行表征。 我们正在查看许多回复。 问题在于，对于某些样本，我们无法进行所有表征，因为出于某种原因，该样本无法进行该类型的表征。 所以，我想知道如何用一些缺失的数据点来分析结果。 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动计算结果，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。 他们很接近 - 但不一样。 我在计算中所做的所有更改都是省略了我没有的数据点（例如，如果我需要对八个值取平均值，我会取七个值的平均值）。 我真正想知道的是，如果缺少数据点，软件如何计算效果？ 我怎样才能重现这个计算？ 我一辈子都找不到关于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：分析缺失数据的阶乘实验米歇尔，
我相信你可以计算它，但它会涉及一些矩阵计算。 但实际上，您完成了全因子设计这一事实肯定有足够的自由度来拟合描述您的响应的模型，尽管有缺失值。 参数估计可能有些偏差，但您的结论是否影响显着应该没问题。
娄
回复：分析缺失数据的阶乘实验谢谢卢 - 超级有帮助！ 那么，可以公平地说：
(a) 以与软件相同的方式手工计算效果是非常重要的（即，没有（相对）简单的公式）
(b) 软件计算的效果比我通过简单地忽略缺失数据手工计算的效果更好（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存在......）
我无法手动计算效果，这让我很烦恼；我想对分析有更多的控制，并将软件更多地用作吞吐量工具，而不是外包理解计算的工作原理。
回复：分析缺失数据的阶乘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。 如您所见，属性非常不同，并且会影响第二种情况下的参数估计。
回复：分析缺失数据的阶乘实验米歇尔，
很好的问题！ 当没有缺失数据时，设计参数估计值很容易手工计算并与软件输出一致。 这是因为正交设计展示了所有美妙的特性。 一旦缺少数据，设计就会变得不平衡，并且模型项中会出现相关性，这可能会使参数估计产生偏差。 正如您提到的那样，计算确实很接近，但与软件输出不一致。 这是因为软件输出正在计算参数估计值，其中包括由于数据缺失行而产生的偏差。 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。
