RSM 适合一个因素的问题尊敬的 JMP 专业人士，
我正在运行一个具有 5 个因子（附加数据集中的 X_1 到 X_5）和 5 个响应（X_6 到 X_10）的响应面 DoE。 我在主要响应中有严重的异常值并且严重不适合。 现在我的问题：
1）我该如何处理这种情况，我如何仍然使用这个数据集（和响应）从我的 DoE 获取一些信息？
2) 我可以排除异常值并仍然很好地拟合 RSM 吗？
3）是否有任何数据转换，这可能有助于更好地适应？
感谢您的帮助！
最好的
分析数据表美国能源部回复：RSM 适合一个因素的问题1. 转换试图找到使数据更符合正态分布的参数。
2. profiler 和保存的预测公式在原始尺度。 这就是为什么将分析器更改为对数刻度会使模型看起来更具可解释性。
3. 好吧，当数据严重偏斜时，线性回归的基本假设就会被抛出。
此外，也许更重要的是，主题专业知识为转型提供了信息。 比如说，病毒或细胞计数之类的东西往往是 log 或 log10 转换的。 但由于我不知道你在测量什么（生物学家朋友眨眼/点头），我只是使用了 JMP 建议的 Box-Cox 变换，目的是尽可能获得最佳模型。
预测公式，反变换Box Cox变换。
我想把功劳归功于数学，但 JMP 会自动完成
回复：RSM 适合一个因素的问题嗨，拜伦，
非常感谢您的回答，BoxCox 转型确实奏效了。 由于我只是一名生物学家并且在 DoE 领域还很陌生，所以我有几个问题：
1) 由于我们对原始数据进行数据转换，因此 BoxCox 转换如何影响数据可靠性？
2) 响应值现在已转换，当我在预测刻画器中更改因子时，如何查看未转换的响应。 我需要，为了比较。
3）什么时候建议数据转换？ 如果数据集是倾斜的，我觉得只转换数据集而不是再次拟合数据有点武断。
非常感谢您的帮助和最良好的祝愿，
西蒙
回复：RSM 适合一个因素的问题我对你的数据集进行了一些建模。
X6的这个模型看起来不错
Fit Model(
Y(
Transform Column(
"BoxCox(X__6,-0.249)",
Formula( (:X__6 ^ (-0.249) - 1) / -0.0000000005401720099 )
)
),
Effects(
:X__1 & RS, :X__5 & RS, :X__1 * :X__5, :X__2 * :X__4, :X__4 * :X__4, :X__4,
:X__2
),
Personality( "Standard Least Squares" ),
History( Y( :X__6 ) ),
Emphasis( "Effect Screening" ),
Run(
Profiler(
1,
Confidence Intervals( 1 ),
Term Value(
X__1( 8, Lock( 0 ), Show( 1 ) ),
X__5( 250, Lock( 0 ), Show( 1 ) ),
X__2( 160, Lock( 0 ), Show( 1 ) ),
X__4( 0.09292, Lock( 0 ), Show( 1 ) )
)
),
:"BoxCox(X__6,-0.249)"n << {Summary of Fit( 0 ), Analysis of Variance( 0 ),
Parameter Estimates( 1 ), Effect Details( 0 ), Sorted Estimates( 0 ),
Plot Actual by Predicted( 1 ), Plot Regression( 0 ),
Plot Residual by Predicted( 1 ), Plot Studentized Residuals( 1 ),
Plot Effect Leverage( 0 ), Plot Residual by Normal Quantiles( 0 ),
Box Cox Y Transformation( 1 )}
)
)
x6 有一个看起来很疯狂的变换，但这很容易。
打开 Box Cox 变换选项，然后从 Box-Cox 变换大纲栏中的红色三角形中，选择 Refit with Transform。
该模型使用一组减少的因素
此外，尝试将刻画器的 Y 轴从线性更改为对数，以更好地查看响应曲面。
预测刻画器
我可能在获得简化模型时作弊了一点。 在 JMP Pro 中，我使用了广义回归、套索、留一验证，然后使用主动效应重新启动并添加回主效应（没有在套索中强制执行效应遗传）。
排除第 4 行可改进模型统计数据。 对于 x6，它看起来像是一个潜在的异常值。 减少模型后，失去这一次运行对设计质量的影响很小。
回复：RSM 适合一个因素的问题嗨大卫，
非常感谢您的回答！ 主要响应是 X_6、X_7 和 X_9。 特别是 X_6 是分析的主要兴趣点。
我的意思是离群值，因为我非常不适合（0.0019，在预测图和残差图中的实际情况中，我看到数据集有点“分裂”到人口中（见下面的适合最小二乘文件） . 与 1E+07 以上的数据（这里是第 14、15、17、20 和 24 行）相比，~1 E+07 以下的所有数据都显示出不同的趋势。 即使在清除数据集之后，在预测图的实际和预测图的残差中，拟合不足仍然很明显。
我尝试了 X_6 的日志转换，但数据集看起来并没有更好或更适合（参见下面的日志转换文件）。
我如何处理这个数据集，这里的转换真的是正确的吗？
我的假设是，这种“分裂种群”是由于设备检测器的某些非线性引起的，我们用它来测量响应（它在 1+E07 以上不再线性）。 这是对数据集的解释吗？ 由于实验非常昂贵，而且结果对我们的下游过程有很大影响，非常感谢您的帮助。 顺便说一下，X_8 是一个响应，我的分析并不真正需要它。
再次感谢您的宝贵时间 
并提供帮助，我希望我能向您学习以及未来项目数据集的问题。
此致，
西蒙
回复：RSM 适合一个因素的问题
“我在主要反应中有严重的异常值并且严重失调”
您的主要回应是 X_6、X_7、X_8、X_9 还是 X_10？
“严重异常值”是什么意思？我查看了所有 5 个响应的残差图，只看到一个我认为是明显异常值的观察结果：响应 X_10 的第 12 行，它是您的中心点之一。
关于转换，响应 X_6 和 X_8 严重偏斜，将受益于对数转换。
