不允许的组合和限制你好，
在我的定制 DOE 设计中。 如果某些组合是可行的，但根据文献，它不会那么有效，我是否应该将其设为不允许的组合？ 如果我排除该组合，会对设计或分析产生负面影响吗？
IE。在七个因素中，有两个因素（级别 0 和 1）据说协同作用比单独作用效果更好，排除 (0,1) 和 (1,0) 的组合是否有负面影响？
假设我进行了足够的运行以获得预测方差 <1。
谢谢！
实验设计回复：不允许的组合和约束我又碰到这个话题了！ 所以我必须禁止某些组合，但它会显着降低预测方差和功效。 那么我该如何解决这个问题呢？ 如果功效如此之低而预测方差如此之高，我如何才能相信结果？
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。 使用因素的简单阶乘组合。 例如，只要涉及两个因素，您就可以定义端点，例如 (0,1) 和 (1,0)。 这两个点定义了一条线，即边界，您希望保留在其一侧。 您可以通过拟合线性模型获得所需的系数。 将这种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。 对于不同的两个因子，全面运行它们是不可行的，只能将它们运行为 (0,1) 或 (1,0)。 然而，在小规模下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)，则会增加预测方差。 因此，在筛选设计中包含 (1,1) 组合是有意义的，因为我将以小规模执行它，对吗？
回复：不允许的组合和约束这就说得通了。 谢谢你！
回复：不允许的组合和约束你说， ”如果某些组合是可行的，但根据文献，它不会那么有效，我是否应该将其设为不允许的组合？ ” 这个问题表明你有一种“测试”心态，而不是“实验”心态。 测试提供了答案。 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，这两种心态都可能是正确的。 您可以继续测试，直到找到您想要的东西（“反复试验”），或者您可以运行设计好的实验，拟合模型，然后使用该模型探索空间以找到您想要的东西。
当常规设计空间中的某些条件不可能、危险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。 因为你想要估计模型参数。
一个好的实验会产生好的和坏的反应。 这样，您就拥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）据说协同作用比单独作用效果更好。 ” 这一观察结果表明相互作用效应在响应中很重要。 消除(0,1) 和 (1,0) 的组合将无法对这种相互作用进行建模。 如果没有这些组合，数据将缺乏必要的信息。
