Cox 混合估計和 Profiler馬丁在這裡：
最近我做了一種水泥粘合劑，它有 4 個因素（CSA 水泥、OPC 水泥、緩凝劑、促進劑），一種反應（粘附力）。
請參閱隨附的 JMP 設計。
我對結果很滿意。 Lou 之前建議我專注於 Cox 混合和分析器。
Cox 混合模型中的估計代表分析器中曲線的斜率，在我看來 CSA 和 OPC 都顯示最大值
在某些時候，為什麼 CSA 和 OPC 的估計簽名不同？一個是 2.02 (CSA)，另一個是 -3.31 (OPC)。
既然 CSA、OPC 作為因素都很重要，那麼 CSA^2、OPC^2、CSA*OPC 的意義還能告訴我什麼？我是否簡單地說，OPC、CSA 交互顯著？
我對 OPC、CSA 和緩凝劑的相互作用很感興趣，但 Cox 混合物不能運行三因素相互作用。 有什麼方法可以測試重要性
三因素交互作用？有人告訴我，傳統的參數估計在交互混合設計結果方面無效。
非常感謝。
馬丁
回复：Cox 混合物估計和 Profiler感謝您的詳細解釋。我現在對 Cox 混合模型有了更好的理解。
馬丁
回复：Cox 混合物估計和 ProfilerJMP 可以擬合兩種類型的混合模型：Scheffe 混合模型（默認）或 Cox 混合模型。 這兩個模型是等價的，但它們對模型的解釋卻大相徑庭。
Cox 混合模型的參數被解釋為典型的回歸係數，只是它都與您的參考混合相關。 想像自己在設計空間的中間，在您的參考混合點。 當您看向 CSA 頂點（全是 CSA）時，您會向上看，因為係數是正的。 從同一個位置看，如果您看向 OPC 頂點，您將向下看（負係數）。 我認為如果您將分析器設置為參考混合物，係數會更加明顯。
平方項告訴您，當您向每個因子的頂點移動時，存在曲率。 從您的參考混合來看，朝向 CSA 是上坡，但平方項表示山坡的坡度發生了變化。 您可以在分析器上看到這一點。 隨著 CSA 的增加，您的反應會增加到一定程度，然後開始下降。
交互作用表明線的斜率將根據其他變量的設置而改變。 您也可以從分析器中看到這一點。 拖動 OPC 的紅線，但注意 CSA 的曲線。 您應該看到 CSA 曲線改變形狀。 那就是互動。
至於三因素相互作用，它們很少見，而且往往難以解釋。 這是 Cox 混合模型的困難之一。 但是，您可以通過查看 Scheffe 模型而不是 Cox 來估計 3 因子交互作用的曲率。 Scheffe 模型的解釋與 Cox 混合模型非常不同，但沒有 Cox 模型的任何限制（並且是 JMP 中的默認混合模型）。 對於這個討論板來說，對 Scheffe 模型的完整解釋可能會太長，但要意識到對於 Scheffe 模型，2 向交互作用實際上是一個二次項，而 3 向交互作用實際上是一個三次項。 您可能想從 John Cornell 的 Experiments with Mixture、JMP 幫助系統或上課等文本中了解它。 JMP 教育確實提供完整的課程混合實驗的設計和分析貫穿所有這些細節。
