确定实验中显着影响的方法我正在尝试分析大约 60 个实验。 每个实验都有很多（大约 30 个或更多）不同的连续和分类因素（过程变量），并且对于每个实验，测量了各种响应（大约 10 个）。 不幸的是，实验不是用实验设计方法进行的，两个实验之间通常只有一个变量发生变化（但从长远来看，如果你比较实验 1 和 60 可能会有很多变化）。
是否有任何有用的分析方法可以确定每个因素的最显着影响，如果可能的话，还可以确定影响大小。 这真的对我有很大帮助，因为目前我正试图通过一次比较两个实验来找出最重要的影响。 此外，识别数据中的任何模式都会有所帮助。
提前谢谢你，丹尼尔
回复：确定实验中显着影响的方法你好@Danijel_V ,
事实上，您可以以任何一种方式使用该平台。 如果您添加大量潜在预测变量，并且只添加一个响应，您将收到相同类型的输出。 当您包含多个预测变量和多个响应时，您将获得所有可能的组合。
@朱利安
回复：确定实验中显着影响的方法感谢您的建议，我一定会更深入地研究响应筛选。 但是，在我看来，响应筛选主要用于查看哪些响应具有特定因素（仅 1）的影响。 我对相反的分析更感兴趣，那么哪些因素对某个反应的影响最大。 有没有与响应类似的方法？
回复：确定实验中显着影响的方法你好@Danijel_V ,
你有没有看过反应筛选JMP 中的平台（分析 > 筛选 > 响应筛选）？ 至少它可以帮助指导您在大量比较中检测主动效果的过程（我敢肯定，错误发现率校正对您很有用）。 我在下面包含了一个网络研讨会记录，它也演示了该功能，但是当您深入研究该平台时，我建议您阅读我上面链接的文档。
@朱利安
