嗨，该设计是全因子（4 因子）+ 1 个中心点 + 2 个特殊组合 - 19 次运行 - 1 个响应 - 4 缺失
这 4 个因素是连续的（水平 +1=在最高剂量时存在；0=在半剂量时存在；-1=不存在=剂量 0）。
在第一阶段，我希望评估交互的重要性和主要因素，以选择制造产品的最佳组件。 这不是混合设计，因为超过 99.9% 的产品是溶剂（只有添加剂，没有固定的数量）
最终产品 = 1 至 4 A（A6、A8、A9、A10）的组合。 不幸的是，4 次运行的响应在 QC 之后无效，因此我没有足够的自由度来估计 3 路交互和 4 路交互而不简化模型。 第一次，我只估计了 4 个主要因素和 6 个双向交互作用。
排序参数估计
Term Estimate t-ratio 概率>|t|
(A8-0.11667)*(A9+0.01667) -0.007222 -3.41 0.0271*
A8 -0.006444 -3.10 0.0361*
A9 0.01211 5.90 0.0041*
我在 .jmp 文件中附加了数据，在 word 文档中附加了输出、分析器和交互图以及注释。
2 个连续因子 A8 和 A9 之间的交互作用在设计中分别以其均值（0.11667 和 -0.01667）为中心，显着表明当 A9 以其最大剂量（水平 +1，水平 +1， = 更高剂量），当 A9 不存在时接近零（水平 1，= 剂量 0），当 A9 处于半剂量时（水平 0-半剂量）处于中间。
A9 的 A8 参数按其平均值估算。 当 A9 不存在（在 -1 水平，= 剂量 0）或以较高剂量（在水平 +1，= 较高剂量）存在时，使用 JMP 是否有可能进行不居中的相互作用和 A8 参数的相应测试。
在“拟合模型”设置对话框中时，“模型规范”旁边有一个红色小三角菜单。 在该菜单下是一个“中心多项式”选项。 只是取消选中它。
最好，
米
