中心點和篩選設計各位會員，
我正在嘗試使用 JMP 16 進行自定義主效應篩選設計。 我有五個因素，其中一個因素是分類的，有 4 個級別。 定制設計生成 16 次運行實驗，我想知道是否有必要在研究中添加中心點？ 我只對確定重要的因素以及我應該將 4 個分類變量中的哪一個用於 RSM 設計感興趣。 任何幫助將不勝感激。
美國能源部回复：中心點和篩選設計必要的？ 嚴格來說......不，如果您的主要目標是估計有影響的主要影響和主要影響。 特別是對於您期望併計劃進行基於 RSM 模型的後續實驗的篩選設計。
我可能考慮添加中心點的唯一原因是您正在尋找某種內部的實驗獨立估計純誤差 wrt 到實驗空間。 但對我來說，這引出了另一個問題......因為最終你會選擇一個或多個級別的分類因子......你不想在每個級別估計分類因子的純錯誤，看看是否“噪音” ' 在整個分類因子中是恆定的嗎？ 如果答案是“是”...那麼您需要在所有級別的分類因子中復制中心點，這將很快增加您設計中的運行次數...現在運行的優勢是尋找純誤差和不顯著的主效應。 很長的路要走...我會離開中心指出...
其他人可能會有不同的感覺？
回复：中心點和篩選設計中心點是關於連續因子（或離散數字因子）。 你說你有5個分類因素。 如果我正確解釋了您的描述，那麼您只需要關注主效應和交互效應即可。
回复：中心點和篩選設計在僅運行 16 次的篩選實驗中使用 4 個級別的分類因子似乎可能會過度簡化您的系統。 如果分類因子和連續因子之間有可能存在交互作用，則將交互作用項添加到模型中可能是個好主意。 這使您的篩選實驗更大一些；但是，為分類變量的每個級別進行一些額外的運行將提高您檢測它們之間差異的能力。
例如，假設只有 3 個連續變量很重要，並且您選擇了一個級別的分類變量，則需要額外運行 8 次才能為剩餘的 3 個連續變量添加交互作用和二次效應。 （能源部>增強）
如果實驗單元不難或不昂貴，那麼更多的運行是更好的。
回复：中心點和篩選設計我有一個具有 4 個級別的分類因子和 4 個其他連續變量，每個級別有兩個級別。
回复：中心點和篩選設計非常感謝你@markbailey
