不允許的組合和限制你好，
在我的客製化 DOE 設計中。 如果某些組合是可行的，但根據文獻，它不會那麼有效，我是否應該將其設為不允許的組合？ 如果我排除該組合，會對設計或分析產生負面影響嗎？
IE。在七個因素中，有兩個因素（等級 0 和 1）據說協同作用比單獨作用效果更好，排除 (0,1) 和 (1,0) 的組合是否有負面影響？
假設我進行了足夠的運行以獲得預測方差 <1。
謝謝！
實驗設計回覆：不允許的組合和約束我又碰到這個話題了！ 所以我必須禁止某些組合，但它會顯著降低預測變異數和效能。 那我該如何解決這個問題呢？ 如果功效如此低而預測方差如此之高，我如何相信結果？
回覆：不允許的組合和約束我假設所有因素都是連續的，包括規模。 對於這種情況，您可以使用線性約束。 使用因素的簡單階乘組合。 例如，只要涉及兩個因素，您就可以定義端點，例如 (0,1) 和 (1,0)。 這兩個點定義了一條線，即邊界，您希望保留在其一側。 您可以透過擬合線性模型來獲得所需的係數。 將這種方法擴展到三個因素。
回覆：不允許的組合和約束這是關於類似主題的另一個想法。 對於不同的兩個因子，全面運行它們是不可行的，只能將它們運行為 (0,1) 或 (1,0)。 然而，在小規模下同時執行這兩個因素是可行的 (1,1)。 如果我將設計限制為不允許 (1,1)，則會增加預測變異數。 因此，在篩選設計中包含 (1,1) 組合是有意義的，因為我將以小規模執行它，對嗎？
回覆：不允許的組合和約束這就說得通了。 謝謝你！
回覆：不允許的組合和約束你說， ”如果某些組合是可行的，但根據文獻，它不會那麼有效，我是否應該將其設為不允許的組合？ 」 這個問題顯示你有一種「測試」心態，而不是「實驗」心態。 測驗提供了答案。 實驗提供了一個模型（很多答案）。 這不是“對或錯”的問題。 這是一個清楚你的目的的問題。 根據您的目標，這兩種心態都可能是正確的。 您可以繼續測試，直到找到您想要的東西（“反覆試驗”），或者您可以運行設計好的實驗，擬合模型，然後使用該模型探索空間以找到您想要的東西。
當常規設計空間中的某些條件不可能、危險或會改變所研究的現象時，您可以新增約束。 否則，您希望盡可能有效率地觀察整個設計空間。 因為你想要估計模型參數。
一個好的實驗會產生好的和壞的反應。 這樣，您就擁有了一個可以預測整個結果範圍的現實模型。
你說， ”在七個因素中，有兩個因素（0 級和 1 級）據說協同作用比單獨作用效果更好。 」 這項觀察結果顯示交互作用效應在反應中很重要。 消除(0,1) 和 (1,0) 的組合將無法對這種交互作用進行建模。 如果沒有這些組合，數據將缺乏必要的資訊。
