连续因子需要像混合因子一样处理我有一个因素，我想将其视为连续的，以评估响应曲率，但我需要将“总计”限制为 100%，以与混合设置类似。
据我所知，混合上的线性约束不允许限制为相等，而是只能小于或大于或等于。
关于如何解决这个问题您有什么想法吗？
高级统计建模实验设计大规模定制回复：连续因子需要像混合因子一样对待谢谢你！
回复：连续因子需要像混合因子一样对待老实说，我不相信那些幂数，除了叉积项（如前所述，它们是相互作用和二次方程的组合）。 这有几个原因。 首先，混合物是自然相关的，这总是会降低功率。 你对此无能为力。 其次，我认为功效计算不正确，因为混合主效应的参数估计值还包括数据的总体均值。 因此，将该参数估计值与零（执行的传统测试）进行比较是没有意义的。 第三，如果主效应不显着怎么办？ 那个的真实意义是什么？ 这并不意味着该因素没有影响。 毕竟，改变所有其他因素将迫使您改变“不重要”的因素。 必须综合考虑所有因素。
由于这些原因（可能还有更多原因），混合模型都是关于预测的。 您无法像传统回归模型那样真正得出因果结论。 相关结构迫使您以不同的方式查看您的模型。
回复：连续因子需要像混合因子一样对待实际上，我会再问一个问题。使用这种方法，虽然混合函数很适合我的参数。 即使将我的 RMSE 降低到 .2，预测的统计功效也不会超过 0.2（我预计 0.3 到 0.4 以供参考）
如实看到这个id宁愿使用混合功能，但鉴于低功率我很紧张。你对此有什么想法吗？
回复：连续因子需要像混合因子一样对待的确。谢谢你，我想我只是继续混合，谢谢！
回复：连续因子需要像混合因子一样对待混合物确实允许二次效应。 它们看起来不同，但它们就在那里。
任何看起来像相互作用的二元混合项实际上都是二次效应。
这是一个简单的例子：
请注意，X1*X2 和 X1*X3 是重要的“交互作用”。 正如预测刻画器中的曲线所证明的那样，这些实际上是二次项。
要理解为什么您需要了解 Scheffe 混合模型是如何由于混合约束而重新参数化的。 对于 3 分量混合，X1*X1 重写为 X1*(1-X2-X3)。 这导致 X1、X1*X2 和 X1*X3 的“附加项”。
那么，为什么不将混合物视为混合物呢？
回复：连续因子需要像混合因子一样对待这是个好问题。
它不像预期的那样是弯曲响应的混合，并且由于混合函数不允许二次幂交互，不幸的是它不适合我的需要。
碰巧的是，问题是确定用于生产重组蛋白产品的最佳质粒 DNA 比例。DNA总量设定好，质粒量需要添加到总量的100%。3 个有问题的质粒。
回复：连续因子需要像混合因子一样对待我认为需要更多细节。 所有的因素是什么？ 一定不止这一个。 你说这是混合物的“亲属”，但为什么它不是混合物情况？
