如何使用二次回归模型评估全因子设计？你好呀，我是社区的新手，我仍然是 JMP 的初学者。 我有以下问题：我做了一个完整的阶乘 3 ^ 3 计划。 我得到的结果不是线性的，而是呈指数增长。 在评估“普通最小二乘法”时，我只得到一个线性模型。 有没有办法用更高次的多项式进行回归？ 如果是这样，我怎么能这样做？ 提前致谢。
分析美国能源部回复：如何使用二次回归模型评估全因子设计？我假设您的因子是使用数值数据类型和连续建模类型在数据表中定义的。 它们还应包括与您的 DOE 定义一致的列属性。
您可以通过运行模型表脚本或选择分析 > 拟合模型来打开拟合模型对话框。 您可以选择因子数据列，然后单击宏 > 响应面方法。 此操作将添加二次项以模拟非线性响应。
我认为您不能仅从数据中看出响应呈指数变化。 但是，您可能已经知道指数模型是合适的。 如果是，那么您将需要定义一个自定义非线性模型并使用非线性平台而不是拟合最小二乘法对其进行拟合。
三个水平足以拟合二次线性回归模型或每个因子或交互作用不超过两个参数的指数模型。 其他成员可能会为您提供有关如何定义指数模型的进一步指导。 JMP 帮助将指导您完成将所选模型定义为列公式的步骤。
回复：如何使用二次回归模型评估全因子设计？感谢您的快速答复。 我尝试了因子的响应面方法，并在模型中获得了轻微的改进。 但是，回归模型估计的值也包括一些负值，这在我的实际应用中是不可能的。是否有可能对估计的目标值使用限制值？ 是否也可以选择记录测量值以获得更好的模型质量？ 或者这是不允许的，它会伪造结果吗？ 提前谢谢了。
回复：如何使用二次回归模型评估全因子设计？哪些值为负数？ 参数估计？ 预测反应？ 为什么不可能做出否定的回应？
响应的自然界限是什么？ 某些情况可以通过按照您的建议转换响应或通过使用不同的统计误差分布模型来解决。 普通最小二乘 (OLS) 线性回归假设这些误差呈正态分布，但广义线性模型 (GLM) 在选择线性预测变量、平均响应的链接函数和误差分布方面提供了更大的灵活性。 你的反应的性质是什么？
回复：如何使用二次回归模型评估全因子设计？预测的反应将是负面的，但测量的目标是电阻。 限制为 0 并在顶部打开。 我想生产一种导电材料并在非导电材料中添加不同的填料。 从一定的填充水平开始，材料是导电的，在此之前它是绝缘体。 因此，测量值从非常低到非常高不等。 因此，我假设回归模型必须是近似指数的。
通过 Box-Cox 转换测量值后，测量值呈正态分布。 转换是允许的还是我必须调整模型？
回复：如何使用二次回归模型评估全因子设计？转型非常普遍。 它们通常有一些物理基础，但通常它们是合理的，因为它们在经验建模中只是有用的。
如果 Box-Cox lambda 参数的值接近 0，那么您也可以直接对响应应用对数转换。 您还可以在 JMP Pro 的拟合模型启动对话框中将拟合特性更改为广义回归并选择对数正态分布。
如果您有适用于这些因素的理论方程，您还可以定义自定义非线性模型，而无需转换响应。 请参阅 JMP 帮助关于这个平台.
