此外@louv的建议，记住永远没有理由或理由消除一阶项。 无论如何，对它们的效果测试都是无效的。 唯一值得考虑删除的项是可能对模型的准确性或预测贡献不大的高阶项。
只是堆积......混合设计是优化设计。 通常，您已经筛选出不重要的因素，因此您知道其余因素很重要（不需要 p 值）。 此外，可能存在显着的多重共线性。 您的主要分析是混合响应曲面。
我设计了一个谢夫立方DOE并完成了实验。 当使用数据集构建模型时，我评估了 p 值。 然而，我的一些同事告诉我，p 值对于混合设计毫无意义。 这对我来说没有太大意义，因为并非所有混合物都必须具有非线性因子，因此它们不需要包含在模型中。
我希望能从社区获得更多的意见。 有什么意见和建议欢迎留言！
谢谢你！
