標稱響應實驗的因素篩選設計？大家好，
我想知道是否有一個好的策略來設計一組實驗來找到對響應影響最大的因素，這是名義上的（是/否，通過/失敗類型的響應）而不是典型的連續響應？ 雖然對於名義響應，可以對可用數據進行邏輯回歸，但我懷疑通常的階乘/部分階乘設計在這種情況下是否仍然有效（因為它們適用於連續響應）。 在這種情況下，合適的方法是什麼？ 如果我想到任何相關術語/理論，請指出我。
提前致謝。
實驗設計回复：標稱響應實驗的因素篩選設計？歡迎來到社區。 你是對的，名義上的回應會帶來一些特殊的挑戰，皮特的建議是正確的。 這些挑戰之一是響應可能是多種故障機制的結果。 它缺乏區分這些機制（可能具有不同的因果結構）的區別。
當然，您可以使用實驗來更好地理解自變量和因響應變量之間的潛在因果關係。 無論響應變量如何，這都是正確的。 現在，實驗對於名義響應來說可能不是非常有效的資源效率，但它仍然是有效的。 我的第一組建議是考慮如何量化“現象”（響應）。 回复“是”或“通過”意味著什麼？ 通過什麼？ 例如，博克斯博士在他的一篇論文（“質量改進的科學背景”）中描述了一個關於破裂彈簧的實驗。 他能夠使用 % good 作為響應，並找到提高彈簧性能的方法。 是否有其他方法來量化這些現象？ 正如所建議的，如果您能夠檢測“善良”的等級或類別，那麼您可能可以使用序數尺度。 在我與田口博士的討論中，他總是強調開發適當的響應變量的重要性……在許多情況下，創建一個新的響應變量來深入了解當前的問題。
無論如何，我們假設您只有名義上的響應。 目前存在什麼類型的故障率？ 如果故障率很高（可能 >10%），那麼您應該能夠通過實驗相當輕鬆地檢測到該故障率的變化。 如果失敗率較低 (<5%)，則實驗可能效率低下，因為您可能需要較大的樣本量才能檢測差異。 此外，考慮到響應的性質，請確保設計空間很大（許多潛在因素設置為大膽的水平）。
回复：標稱響應實驗的因素篩選設計？絕對沒有任何先驗的理由可以解釋為什麼名義上的反應會排除或使實驗設計的合理實踐成為一條不合理的發現之路。 健全 DOE 方法的所有原則仍然適用。 作為 JMP 高級系統工程師（現已退休），我拜訪了眾多使用 DOE 作為其產品設計工作命脈的消費產品公司。 行業和細分市場多種多樣，從糖果/甜點、個人護理/衛生/化妝品到食品添加劑/香料。 他們經常會使用產品評估員的感官小組，並且幾乎普遍地，坐在這些小組上的個人為已執行的特定實驗設計提供標稱類型響應數據。 事實上，根據當前的具體問題，您可能會發現更專業的設計之一，這些設計假定 JMP 支持標稱響應，例如選擇、最大差異或覆蓋數組。 但是，沒有理由不能或不應該將老式的 2 級分數階乘或更現代的設計（例如 D 最優設計）用於篩選目的。
