DSD偶數階效應估計和統計意義嗨，社區，
我是明確篩選設計的新手，我正在努力了解我最近獲得的數據。 我有 6 個因素，其中一個是分類變量，還有兩個響應。
我做了一個 18 次運行的 DSD，它只確定了 3 個處於活動狀態的因素。 確定偶數階效應的第二階段確定了所有可能的雙因子交互作用，這些交互作用將包含在模型中，用於其中一個響應，即使只有截距是顯著的。
其他響應的偶數階效應估計值僅包括具有統計學意義的 2 因子交互作用和二次因子。
我一直在閱讀遺傳和等級原則，但我仍然無法確定為什麼一些統計上不顯著的交互作用和二次效應仍然包含在模型中的一個響應而不是另一個響應的原因。
任何幫助將不勝感激。
我試圖包含我所指的適合最終篩選設計的屏幕截圖。
美國能源部視窗回复：DSD偶數階效應估計和統計意義我不能 100% 確定您的問題或困惑，但我會嘗試解釋使用 Fit DSD 平台構建模型的分階段方法背後的想法是什麼。 JMP 開發人員構建了一個工作流，在分析這種遵循所謂“階段”的特定類型的設計時，該工作流被認為是最佳實踐。 第一階段適合僅包含所有主效應的主效應模型，但僅報告 p 值相對較低的效應。 這裡的想法是尊重在研究系統中遇到的效果層次的屬性。 這是 DOE 的核心概念……這是 DSD 思考和分析的關鍵。 然後第二階段擬合一個模型，以包括所有偶數階和二次效應，其中包括第一階段的“顯著”效應。 這個階段尊重效果遺傳的概念。 這些都在第 2 階段報告。 最後的“階段”將階段 1 和階段 2 的所有擬合效果組合成一個組合模型……從那裡您可以將該模型用於後續“工作”……無論您選擇什麼。 也許通知順序的額外實驗？ 或者如果如此大膽的預測。
希望這可以幫助？
回复：DSD偶數階效應估計和統計意義您的解釋在 DSD 中提到了 6 個因素，但擬合確定性篩選僅顯示 3 個因素。
回复：DSD偶數階效應估計和統計意義@Markbailley
是的，我有六個因素。 在運行擬合確定性篩選時，僅顯示 3 個因素。 我想那些是 p 值最低的那些。
我的問題是，為什麼其中一個響應顯示了階段 2 的所有可能的二階交互，即使它們的 p 值大於 0.05（沒有強有力的證據表明顯著性）。
回复：DSD偶數階效應估計和統計意義感謝您的解釋，並為造成的混亂道歉。
我的問題是，為什麼其中一個響應（左側的一個，A）顯示了階段 2 的所有可能的二階相互作用，即使它們的 p 值大於 0.05（沒有強有力的顯著性證據）？
回复：DSD偶數階效應估計和統計意義當您單擊示例 A 中的“製作模型”按鈕時，您會在“擬合模型”啟動對話框中看到什麼？
