重复和非正态分布的 DOE 运行响应大家好，
我是 DoE 的新手，正在尝试使用 2^3 全因子设计。
我的测试的一些细节是：
- 所有 3 个因素都是分类的。我将它们组合起来进行了 8 次运行
- 我的反应是持续的，目标是最小化。我衡量改变因素条件时的结果。
- 我使用重复，每次运行我都会为相同的因素设置构建 20 个。
当将数据放入数据表时。我有一些大问题。
1) 数据表中只有 1 个响应结果框。通常我会输入 20 次重复的平均值。但这 20 次的分布并不正常。它是对数正态的且极度右偏。那么我应该将什么数据放入运行结果中？（平均值或标准差或其他）
2）我尝试将平均值或标准差放入回归模型中，然后将数据拟合到模型中，结果显示拟合效果很差。
如果所有因素都是分类的，这正常吗？
我还能在我的测试中使用因子分析器来判断主效应和交互效应吗？
非常感谢你的帮助
数据探索与可视化回复：对 DOE 运行重复和非正态分布的响应附表可能有助于您入门。 打开它并单击 Y 列的“+”号以查看生成响应值的公式。 然后依次运行每个保存的脚本。 请注意（在第一个脚本中）如果您为每个因子组合测量了 20 件，则需要将重复次数定义为 19。
回复：对 DOE 运行重复和非正态分布的响应你好@Justin_Bui ,
欢迎来到社区！
有关全因子设计的信息，您可以查看 JMP 帮助：全因子设计 (jmp.com)
只是为提供的出色工作添加一些信息和解释@ian_jmp ：
1）有几个选项来处理“重复”（取决于它是重复运行还是重复）：
- 重复是在同一实验运行中进行多次响应测量，而复制是为每个治疗组合进行多次实验运行。
在您的情况下，您已经从设计中进行了多次（总共 20 次）每个处理，因此您处于重复的情况。 您将 19 指定为重复次数：您已经完成了设计中的原始处理组合，然后重复了 19 次，因此每个处理最终得到 20 件/实验。因此，在这里，您只需为其响应的每个实验运行添加一行，因为它是针对设计的每种处理在不同的部分上完成的。 无需在此处用平均值或标准偏差汇总结果。
2）对于第二部分，您的模型当然需要一些“改进”/改进。
例如，您的最后一次交互“材料*装配面”似乎并不重要（p 值 0,659 > 0,05），因此可以将其从模型中删除。 要获得有关如何从模型中删除非重要项的示例，请查看减少模型 (jmp.com)
一旦您将所有实验运行（DOE 中每个处理 20 次实验运行）作为数据表中的行引入并删除了不重要的术语，您将更容易评估/评估 DoE 模型：
- 你有一个重要的模型吗？ 这对您的领域专业知识有意义吗？
- 这些因素和模型在多大程度上解释了您的响应测量的可变性？
- 有互动吗？
- 因素的影响大小是多少？
- ...
...如果需要，我们可以帮助您进一步解释。
希望这个回答对你有帮助
回复：对 DOE 运行重复和非正态分布的响应我不确定我是否完全了解这 20 件是如何获得的。 Ian 和 Victor 似乎认为这 20 个是独立的实验单元。 独立性来自于改变每个治疗组合获得的每台电脑之间的治疗组合。 这被认为是复制。 但是，如果您设置一个治疗并获得 20 个治疗组合而不对治疗组合进行任何更改，那么您实际上只有一个包含 20 个治疗的实验单元。 这被认为是重复。 在第二种情况下，pc 不被视为独立单元，因此不会增加实验的 DF。 为了提供建议，需要澄清这一点。 根据您的解释，您似乎有重复？
从您的附加图片中观察到的另一个结果是，您的效果摘要中缺少一个效果（三阶交互）。
回复：对 DOE 运行重复和非正态分布的响应是的。 我不更改因子设置，每次运行取 20 件。 然后移动到下一次运行，所以在我看来它是重复的回复：对 DOE 运行重复和非正态分布的响应感谢您的回答！
首先，我认为我所做的是重复而不是复制。 20pcs 是在没有改变因素的情况下制造的（相同的运行 - 没有重置）。
就像每次运行一样，我会制造一批 20 件。 而这 20 个有右偏分布。 那么如何将结果放入我的数据表中呢？
关于第二个答案，我知道我们应该从模型中删除不重要的因素或交互。 但是对于我拥有的所有因素。 没有什么是重要的。
但是通过描述性方法，我清楚地看到了测试中的一些变化。
回复：对 DOE 运行重复和非正态分布的响应感谢您的回答
但这真的是复制品吗？
我所做的是每次运行，我用 20 件制造了一批。 没有改变或重置因素。
完成此批次后，我将使用新的 20 件批次进行下一次运行。
在每次运行中，我观察到样本分布是右偏的。 但是均值和标准偏差会发生变化。 我想有重要的因素造成了这种观察。 但模型显示没有显着因素（p 值）。
相反。 在查看因子分析器时。 我看到了斜坡，它符合我对哪些因素很重要的猜测。
那我不知道怎么下结论回复：对 DOE 运行重复和非正态分布的响应好的，那么你是对的，它是重复的，而不是重复的，因为没有随机化。
您通过均值和标准差得出结果的想法似乎是个好主意。 根据您的响应分布（以及在实际水平上对您有意义的情况），您可以用中位数（或众数）替换平均值，用方差或范围（最大值 - 最小值）替换标准差。 从那时起，您将有两个响应来优化：
使用均值/中值/众数，您可以达到目标/最小化/最大化（取决于您的目标）。
对于结果的分散（Std Dev、Variance 或 Range），您的目标将是最小化（但可能具有较低的重要性），以便找到对其可重复性具有最佳确定性的优化响应。
其他选项可能是转换您的响应（从对数正态到正态），或使用具有正确分布类型的广义线性回归，或者由于每种治疗组合的 20 次实验，尝试引导每种治疗的均值和标准差。
如果您没有统计意义，但您的模型仍然具有实际相关性，那么这已经很有趣并且是一个好兆头。 即使这里的模型不显着，您也可以通过模型和使用的因子解释系统中 88% 的可变性。
希望对你有帮助，
回复：对 DOE 运行重复和非正态分布的响应正如我所想，你有重复。 我会做以下事情：
1.首先设置您的数据表，以便您将治疗组合分组（每个治疗组合应该有 20 行，总共 160 行）和响应变量的 1 列（20 次重复应该对应于 20 行每种治疗组合）。 如果您将每个处理的 20 个数据点作为数据表中的单独列，则简单地堆叠这些列。
2. 绘制治疗内数据。 您可以使用变异性（分析>质量和过程>变异性/属性量规图）或图表生成器。 如果是变异性图表，请在 X、分组中使用运行顺序或处理组合。 您还可以绘制处理内的分布（分析>分布（按处理）。 看看数据。 是否有任何不寻常的数据点？ 如果不是，您将需要确定哪些枚举统计最能描述这些分布的集中趋势和变化。
3. 总结处理内变异（由于重复：pc 到 pc、pc 内和测量误差分量）。 表>摘要>突出显示 Y 并从“统计”下拉菜单中选择适当的统计（您可能会选择多个统计）>将因子列放在“组”窗口中。 这将使您回到 8 种治疗方法以及每种治疗方法的汇总统计数据。
4. 执行您的实验分析始终实用>图形>定量。 数据有意义吗？ 它与你的预测、假设相比如何？ Y的变化有什么实际意义吗？ 如何分析数据是个人选择。 我建议使模型饱和并获取正态图、帕累托图和贝叶斯图来分析未复制的设计（例如，分析>拟合模型）。 识别不显着的影响并将其从模型中删除，然后重新运行分析以获取残差图。
