擬合模型（與參考、混合物相比的響應）大家好，
我最近開始使用 jmp 來學習如何規劃實驗。到目前為止，我做了一些試驗，但在建立模型時，我對所有不同的選項和資料安排都存在問題。我分享一些數據來向您展示我的困境：
實驗一：
3 個因子（混合物組成 1、混合物組成 2、連續因子 1），9 個實驗
3 個回應（資料表中只有 2 個；目標：最大化）
我的第一個問題是關於回覆的：
響應被測量為實驗前值的差異（也是幾次測量的平均值），我不知道如何將此資訊添加到數據中以構建模型（在工作表中我只是減去平均值以開始一些工作）和）。
我也不確定是否需要將實驗編號加入模型中。如果我不這樣做，是否假設數據來自不同的實驗？
我想知道的另一部分是如何處理模型中的混合成分。在該特定範例中，我只有 2 個組件，因此是否有必要將其擬合為混合模型？混合分量 1 似乎不會影響反應，但從模型中刪除混合因子似乎不正確。
希望你能幫助我。我添加了數據和我製作的一些圖。
到目前為止我只使用過互動式工具。
安娜
數據探索和視覺化實驗設計大規模客製化回复：擬合模型（與參考相比的響應，混合）如果我以某種方式使您感到困惑，我深表歉意，也許我誤解了您的情況。 在您提供的回復中，存在二分法。 你說總數必須加到 100，因此當你有組件 1 的 x% 時，你必須有 100-x% 的組件 2。這是一個混合問題，但你說沒有限制“ （但沒有上限和下限的限制）" ...有。 您不能在不影響組件 2 的百分比的情況下獨立更改組件 1 的 x%。 那是一個約束。
回复：擬合模型（與參考相比的響應，混合）感謝您的解釋。
我的邏輯可能有錯誤，因為我仍然沒有得到混合定義。 我在一系列實驗中以不同的比例添加了 2 個成分，我可以將其描述為其中一個成分的相對量（這是我的第一個推理）。 然後我看到了一些在他們的模型中應用混合物的例子，所以我認為這也適用於我的實驗，因為如果我有 x% 的一種成分，我需要有 100-x% 的另一種成分（但沒有限制上限和下限）。 因此，根據我的理解，這將是一種混合。 我現在很困惑，不確定我是否解釋得很好。
回复：擬合模型（與參考相比的響應，混合）我的後續想法：
1. 不幸的是，您添加的第三個因素並未正交添加到矩陣中，因此您最終在最初的帖子中遇到了令人困惑的主效應。
我不確定我理解你為什麼必須將其視為混合物的邏輯......再次，混合物是實驗的特殊情況，其中對水平設置有限制。 你建議沒有限制，所以你沒有混合問題。 也許是一個階乘問題。
2. 重複測量是處理變異性（短期噪音）的最佳策略。 但是，它們可能不會被分析為好像它們是獨立的響應（它們不添加 DF）。 您當然可以繪製每個治療的重複測量並評估它們的一致性，然後總結重複測量以計算合適的枚舉統計（例如，平均值、標準差、中位數）。 在匯總該數據之前，您總是希望查看該數據以查看是否有任何異常數據點。 如果您在 JMP 中的單獨列中有重複測量，則堆疊這些列，使用圖形構建器或變異性圖來繪製處理內數據的圖形。 然後使用 Tables>Summary 計算每個處理的適當統計數據。
3.由於您沒有一對一的比較，因此使用之前的一些匯總統計和之後的實際值可能是可以的。 在 JMP 中為之前的統計信息添加一列（每個響應一列），然後創建一個公式列，從之前的響應列中減去之後的響應。
4. 你希望噪音沒有影響，但你研究過並量化了嗎？ 否則，您的推理空間將受到限制，您的模型的預測能力也將受到限制。
添加 JMP 數據表而不是屏幕截圖確實很有幫助。
回复：擬合模型（與參考相比的響應，混合）謝謝您的答复！ 我會盡量讓它更清楚。
1. 我在 jmp 中使用了自定義設計，但是當我這樣做時，我只假設 2 個連續因素：混合組分 2 的相對量和連續因素。 直到後來，當我想改變第三個因素時，我才意識到這必須被描述為一種混合，以獲得真實的組合。 這就是為什麼我想知道是否需要將其視為混合物。
無論如何，我的設計輸入都附在設計圖片中。 所以2個因素，交互作用和二次項。 我選擇了 9 個實驗，因為所有術語都沒有與該方法混疊。
2. 響應是重複測量，因此在 10 或 6 個樣本（響應 1）和 3 個樣本（響應 2）上測量響應，這是每個實驗的隨機樣本。 我的問題是在擬合模型時如何傳輸這些信息？ 每次實驗的測量次數都不相同，這有點難看，但這可以修復（但實際上我經常處理丟失的數據點）。
3. 我有實驗前的數據，但這些數據與實驗後測量的樣本不同。 此外，之前和之後測量的樣本數量並不總是相同。 對於數據可視化，我會計算均值和置信區間的差異，但我不知道如何將這些信息輸入模型。 在表中，我通過從測量的響應中減去參考的平均值來計算 delta，但這忽略了參考數據的不確定性。
4. 2 個混合成分沒有約束，實際上有 3 個成分，但在這種情況下，第 3 個是恆定的（混合成分 3/（混合成分 1 + 混合成分 2）= const）。 感謝您的參考，我將閱讀並嘗試了解在這種情況下可以應用什麼。 是的，該實驗中也存在不受控制的因素。 顯然它們被認為不會影響結果，但沒有系統數據，所以老實說我不知道（很難說是否值得研究這些，需要對此進行更多研究）。
5. 該問題與如何將響應分配給 1 個實驗而不是將其視為幾個重複實驗有關。
謝謝你的時間！
安娜
回复：擬合模型（與參考相比的響應，混合）我有一些想法，但我不確定你在問什麼：
1. 看來您有 9 種治療組合，這是 3^3 設計的部分因子，但我不確定您是如何選擇治療的？ 通常，在設計實驗時，您將從對要研究的模型的想法開始。 這通常源自您對哪些因素影響響應變量的假設。 我不知道您正在研究什麼模型，但您為 9 種治療選擇的設計可能會更好。 您在實驗中混淆了術語或部分別名。
2. 每種治療都有多種措施。 我不知道這些是重複測量還是複制，因為您的數據表中沒有運行順序。 即便如此，一種治療有 6 個反應，其他治療有 10 個。
3. 如果您想要從治療前到治療後的增量變化，只需添加一個包含之前測量的列，然後創建一個列，該列是一個計算增量的公式。
4.您使用術語“混合”組件？ 有什麼限制嗎？ 關於混合設計有多種思想流派（我建議你閱讀康奈爾的“混合實驗”。） 例如，是否存在不屬於“混合批次”的其他處理組件，例如攪拌速率或溫度？ 您可能還想調查這些因素。 有時您可以從成分的比例開始。 混料設計是實驗的一種特殊情況。 這是因為一個混合因子水平的變化需要改變其他混合成分的水平（通常這些成分必須比 1）。 ，因此實驗的一些正交特性受到損害。 我通常認為混合設計是優化類型的實驗。 通常，這意味著您已經定義了一階模型並完全了解噪聲影響。 您將分析響應面以確定最佳工作區域。 但是，如果表面是您要攀登的山的底部，那將沒有任何好處。
也許從這裡開始：
https://www.jmp.com/en_us/events/mastering/topics/mixture-designs.html
5. 不，您不應該在模型中添加實驗編號。 建議跟踪運行順序，因為我們在評估模型的殘差時會按運行順序進行排序。
最後，我建議您從對實驗的一些基本了解開始。 JMP 提供了一些在線選項來了解實驗：
https://www.jmp.com/en_us/online-statistics-course/design-of-experiments.html
