中心点和筛选设计各位会员，
我正在尝试使用 JMP 16 进行自定义主效应筛选设计。 我有五个因素，其中一个因素是分类的，有 4 个级别。 定制设计生成 16 次运行实验，我想知道是否有必要在研究中添加中心点？ 我只对确定重要的因素以及我应该将 4 个分类变量中的哪一个用于 RSM 设计感兴趣。 任何帮助将不胜感激。
美国能源部回复：中心点和筛选设计必要的？ 严格来说......不，如果您的主要目标是估计有影响的主要影响和主要影响。 特别是对于您期望并计划进行基于 RSM 模型的后续实验的筛选设计。
我可能考虑添加中心点的唯一原因是您正在寻找某种内部的实验独立估计纯误差 wrt 到实验空间。 但对我来说，这引出了另一个问题......因为最终你会选择一个或多个级别的分类因子......你不想在每个级别估计分类因子的纯错误，看看是否“噪音” ' 在整个分类因子中是恒定的吗？ 如果答案是“是”...那么您需要在所有级别的分类因子中复制中心点，这将很快增加您设计中的运行次数...现在运行的优势是寻找纯误差和不显着的主效应。 很长的路要走...我会离开中心指出...
其他人可能会有不同的感觉？
回复：中心点和筛选设计中心点是关于连续因子（或离散数字因子）。 你说你有5个分类因素。 如果我正确解释了您的描述，那么您只需要关注主效应和交互效应即可。
回复：中心点和筛选设计在仅运行 16 次的筛选实验中使用 4 个级别的分类因子似乎可能会过度简化您的系统。 如果分类因子和连续因子之间有可能存在交互作用，则将交互作用项添加到模型中可能是个好主意。 这使您的筛选实验更大一些；但是，为分类变量的每个级别进行一些额外的运行将提高您检测它们之间差异的能力。
例如，假设只有 3 个连续变量很重要，并且您选择了一个级别的分类变量，则需要额外运行 8 次才能为剩余的 3 个连续变量添加交互作用和二次效应。 （能源部>增强）
如果实验单元不难或不昂贵，那么更多的运行是更好的。
回复：中心点和筛选设计我有一个具有 4 个级别的分类因子和 4 个其他连续变量，每个级别有两个级别。
回复：中心点和筛选设计非常感谢你@markbailey
