響應面實驗中沒有二次效應JMP 專業版
因此，對於分配，必須解決優化問題，但我似乎無法輸入二次效應。 首先我認為我沒有足夠的運行，但即使從 80 次運行中收集數據後，二次效應仍然為零（見截圖）。 即使您可以估計效果 Mf*Mf ，該效果仍然非常小，並且在編碼後不會被 JMP 注意到。 數據來自 I 最優篩選設計，但可能存在一些錯誤。 我在下面添加了 I 最優設計並收集了數據。 我使用所有可能的模型和前向替換來獲得響應（範圍、消耗）的最顯著效果（Alpha、Beta、Aq、Mf、Pin、Dzul）。 我相信 Alpha 應該對 Range 產生重大影響。
分析回复：響應面實驗中沒有二次效應一些重要的基礎知識...您可以回答什麼問題，您可以得出什麼結論，您使用什麼工具/技術進行分析，結果的解釋，對您推斷結論的能力的信心所有這些都取決於數據是如何獲得的！ 雖然您當然可以通過更改因子數據類型來“玩分析遊戲”，但最終分析應該適合數據類型。 例如，讓我們採用 3 水平的連續因子與 3 水平的分類因子：估計連續變量的二次效應當然是有意義的，但對於分類因子沒有意義。 鑑於此，由於您的數據來自實驗，離散數字將為您提供與在相同指定水平數下測試的連續變量相同的模型。
回复：響應面實驗中沒有二次效應嘿@statman首先，感謝您花時間解決這個問題。我以為我在下面的文本文件中添加了我的第一個數據，以確保我在下面的 jmp 文件中添加了它。 我確實使用具有 2 個級別的連續因子製作了一個模型，現在我嘗試使用具有 3 個級別的離散數值因子來製作不同的 I 最優設計。 但是，我不知道將連續變量更改為離散數字因子在理論上是否正確，您怎麼看？3 個級別的數據確實給了我必要的二次效應。
回复：響應面實驗中沒有二次效應歡迎來到社區， @吉爾. 由於您沒有附上您有疑問的數據集，因此很難回复您的詢問。 擁有大量數據點並不是估計二次效應所需要的。 您需要的是超過 2 個級別的連續因子（或者您可以使用中心點估計設計空間簡單曲率）。 從屏幕截圖中，您似乎正在逐步（加法）構建模型。 如果在您可以估計二次效應之前“消耗”了自由度，那麼它們將顯示為 0。通常，這是因為您缺乏估計這些效應的自由度，或者它們已經在模型。 您是否嘗試過分析>擬合模型>標準最小二乘人格和效果篩選？
