你好，
如果之前有人问过这个问题，我们深表歉意。 我在发帖前使用了搜索功能，但在这个论坛上找不到任何东西。
我正在探索 DoE 的混合模型，以便更深入地了解固定效应和随机效应如何影响过程输出。 但是，当我尝试手动使用向后消除来简化我的固定效应回归参数时，我注意到我的参数估计的置信区间（例如：我的截距，这对我的目的很重要）变得非常宽，这也反映在探查器中的置信区间宽且不均匀。
我原以为更简单的模型会释放更多的自由度以实现更好的方差/标准误差测量，从而使置信区间更小，但事实恰恰相反。 值得注意的是，当我增加随机效应的复杂性时，这些效应会更加明显（例如：将参数连接为随机块与单独对每个随机因子执行方差分量分析）。
请参阅下面的示例 DoE，我一直在尝试使用模拟结果（未显示）构建和探索：
X1 X2 和 X3 将是固定因素，而其余的是我的示例随机因素。
任何帮助，将不胜感激！ 到目前为止，我最好的做法似乎是保留完整的响应曲面模型，此时不探索任何逐步消除选项。
最好的，
马特
