不允许的组合和约束你好，
在我的定制 DOE 设计中。 如果某些组合是可行的，但基于文献它不会那么有效，我应该将其设为不允许的组合吗？ 如果我排除该组合，是否会对设计或分析产生负面影响？
IE。在七个因素中，据说两个因素（0 级和 1 级）一起工作比单独工作更好，排除 (0,1) 和 (1,0) 的组合是否有负面影响？
假设我做了足够多的运行以获得预测方差<1。
谢谢！
美国能源部回复：不允许的组合和约束我假设所有因素都是连续的，包括规模。 对于这种情况，您可以使用线性约束。 使用因子的简单阶乘组合。 例如，仅涉及两个因素，您将定义端点，例如 (0,1) 和 (1,0)。 这两个点定义了一条线，一条边界，您希望将其保留在一侧。 您可以通过拟合线性模型获得所需的系数。 将此方法扩展到三个因素。
回复：不允许的组合和约束这是关于类似主题的另一个想法。 假设对于不同的两个因素，将它们一起运行是不可行的，只能将它们作为 (0,1) 或 (1,0) 运行。 但是，在小范围内同时执行这两个因素是可行的 (1,1)。 如果我将设计限制为不允许 (1,1)，它会增加预测方差。 所以在筛选设计中包含 (1,1) 组合是有意义的，因为我将小规模执行它，对吗？
回复：不允许的组合和约束那讲得通。 谢谢！
回复：不允许的组合和约束你说， ”如果某些组合是可行的，但基于文献它不会那么有效，我应该将其设为不允许的组合吗？ " 这个问题表明你有“测试”的心态，而不是“实验”的心态。 测试提供了答案。 一个实验提供了一个模型（很多答案）。 这不是“对或错”的问题。 这是一个清楚你的目的的问题。 根据您的目标，任何一种心态都可能是正确的。 您可以继续测试，直到找到您想要的（“试错”），或者您可以运行设计的实验，拟合模型，然后使用模型探索空间以找到您想要的。
当常规设计空间中的某些条件是不可能的、危险的或会改变所研究的现象时，您可以添加约束。 否则，您希望尽可能高效地观察整个设计空间。 因为你要估计模型参数。
一个好的实验会产生好的和坏的反应。 这样，您就有了一个可以预测整个结果范围的现实模型。
你说， ”在七个因素中，有两个因素（0 级和 1 级）据说可以更好地协同工作而不是单独工作。 " 这一观察表明交互效应在响应中很重要。 消除(0,1) 和 (1,0) 的组合将无法对交互进行建模。 如果没有这些组合，数据将缺乏必要的信息。
