拟合模型（与参考、混合物相比的响应）大家好，
最近开始用jmp来学习如何规划实验。 到目前为止，我做了一些试验，但是在构建模型时，我对所有不同的选项和数据安排都有问题。 我分享一些数据来告诉你我卡在哪里：
实验一：
3 个因子（混合成分 1、混合成分 2、连续因子 1）、9 个实验
3 个回答（数据表中只有 2 个；目标：最大化）
我的第一个问题是关于答复：
响应被测量为实验前值的差异（也是几次测量的平均值），我不知道如何将此信息添加到数据中以构建模型（在工作表中，我只是减去了平均值以开始和）。
我也不确定是否需要将实验编号添加到模型中。 如果我不这样做，是否假设数据来自不同的实验？
我想知道的另一部分是如何处理模型中的混合成分。 在那个特定的例子中，我只有 2 个组件，那么是否有必要将其拟合为混合模型？。 混合成分 1 似乎不会影响响应，但从模型中删除混合因子似乎不正确。
希望你能帮我解决这个问题。 我添加了数据和我制作的一些图。
到目前为止，我只使用了交互式工具。
安娜
数据表回复：拟合模型（与参考、混合物相比的响应）我有一些想法，但我不确定你在问什么：
1. 看起来您有 9 种治疗组合，它们是 3^3 设计的部分阶乘，但我不确定您是如何选择治疗方法的？ 通常在设计实验时，您将从想要研究的模型的想法开始。 这通常源自您对影响响应变量的因素的假设。 我不知道你在研究什么模型，但你为 9 次治疗选择的设计本来可以选择得更好。 您在实验中混淆了或部分混淆了术语。
2. 您对每个处理都有多个度量。 我不知道这些是重复测量还是复制，因为您的数据表中没有运行顺序。 即便如此，一种治疗有 6 种反应，其他治疗有 10 种反应。
3.如果您希望从治疗前到治疗后的增量变化，只需添加一列包含之前的度量，然后创建一个列，该列是计算增量的公式。
4. 您使用术语“混合物”组件吗？ 有什么限制吗？ 关于混合物设计有多种思想流派（我建议您阅读康奈尔大学的“混合物实验”。） 例如，是否还有其他不属于“混合批次”的加工组件，如搅拌速率或温度？ 您可能还想调查这些因素。 有时您可以从组件的比率开始。 混料设计是一种特殊的实验案例。 这是因为一个混合因子水平的变化需要其他混合成分的水平变化（通常成分必须为 1）。 ，因此实验的一些正交特性受到损害。 我通常将混合设计视为优化类型的实验。 通常，这意味着您已经定义了一阶模型并完全了解噪声影响。 您将分析响应面以确定最佳工作区域。 但是，如果表面是您要攀登的山峰的底部，那将没有任何好处。
也许从这里开始：
https://www.jmp.com/en_us/events/mastering/topics/mixture-designs.html
5. 不，您不应在模型中添加实验编号。 建议跟踪运行顺序，因为在评估模型的残差时，我们通常会按运行顺序排序。
最后，我建议您从对实验的一些基本了解开始。 JMP 提供了一些在线选项来了解实验：
https://www.jmp.com/en_us/online-statistics-course/design-of-experiments.html
回复：拟合模型（与参考、混合物相比的响应）谢谢您的答复！ 我会尽量说得更清楚。
1. 我在 jmp 中使用了自定义设计，但是当我这样做时，我只假设了 2 个连续因子：混合成分 2 的相对量和连续因子。 直到后来当我想改变第三个因素时，我才意识到必须将其描述为混合，以获得现实的组合。 这就是为什么我想知道是否需要将其视为混合物。
无论如何，我的设计输入都附在设计图片中。 所以有两个因素，交互作用和二次项。 我选择了 9 个实验，因为所有术语都没有与该方法混淆。
2. 响应是重复测量，因此响应是在 10 或 6 个样本（响应 1）和 3 个样本（响应 2）上测量的，这是每个实验的随机样本。 我的问题是在拟合模型时如何传输该信息？ 每个实验的测量次数都不相同，这有点难看，但这可以解决（但实际上我经常处理丢失的数据点）。
3. 我有实验前的数据，但这些与实验后测量的样本不同。 此外，之前和之后测量的样本数量并不总是相同。 对于数据可视化，我会计算均值和置信区间的差异，但我不知道如何将这些信息放入模型中。 在表中，我通过从测量的响应中减去参考的平均值来计算 delta，但这忽略了参考数据的不确定性。
4. 2 个混合成分没有限制，实际上有 3 个成分，但在这种情况下第 3 个是恒定的（混合成分 3/（混合成分 1 + 混合成分 2）= const）。 感谢您的参考，我会仔细阅读并尝试了解在这种情况下可以应用什么。 是的，该实验中也存在不受控制的因素。 显然他们被认为不会影响结果，但没有系统数据，所以老实说我不知道（很难说是否值得调查，需要对此进行更多研究）。
5. 该问题与如何将响应分配给 1 个实验而不是将其视为多次重复实验有关。
感谢您的时间！
安娜
