响应曲面实验中没有二次效应JMP临
因此，对于分配，必须解决优化问题，但我似乎无法输入二次效应。 首先，我以为我没有足够的运行，但即使在从 80 次运行中收集数据后，二次效应仍保持为零（见屏幕截图）。 即使您可以估计效应 Mf*Mf ，效应仍然非常小并且在编码后不会被 JMP 注意到。 数据来自 I 最优筛选设计，但可能存在一些错误。 我添加了 I 最优设计并在下面收集了数据。 我使用所有可能的模型和正向替换来获得响应（范围、消耗）的最显着效果（Alpha、Beta、Aq、Mf、Pin、Dzul）。 我相信 Alpha 应该会对 Range 产生重大影响。
分析回复：响应曲面实验中没有二次效应一些重要的基础知识......您可以回答什么问题，可以得出什么结论，您使用什么工具/技术进行分析，对结果的解释，对您推断结论的能力的信心都取决于数据的获取方式！ 虽然您当然可以通过改变因素数据类型来“玩游戏”分析，但最终分析应该适合数据类型。 例如，让我们以 3 级的连续因子与 3 级的分类因子为例：估计连续变量的二次效应当然有意义，但对于分类因子则没有意义。 鉴于此，由于您的数据来自实验，因此离散数值将为您提供与在相同指定数量级别测试的连续变量相同的模型。
回复：响应曲面实验中没有二次效应嘿@statman首先，感谢您花时间解决这个问题。我以为我在下面的文本文件中添加了我的第一个数据，以确保我在下面的 jmp 文件中添加了它。 我确实使用 2 个级别的连续因子制作了一个模型，现在我尝试使用 3 个级别的离散数字因子制作不同的 I 最优设计。 但是，我不知道将连续的数值因子改为离散的数值因子在理论上是否正确，您怎么看？具有 3 个水平的数据确实给了我必要的二次效应。
回复：响应曲面实验中没有二次效应欢迎来到社区， @吉尔. 由于您没有附上您有问题的数据集，因此很难回复您的询问。 拥有大量数据点并不是估计二次效应所需要的。 您需要的是超过 2 个级别的连续因子（或者您可以用中心点估计设计空间简单曲率）。 从屏幕截图来看，您似乎正在进行逐步（添加）模型构建。 如果在您可以估计二次效应之前自由度被“消耗”，那么它们将显示为 0。通常，这是因为您缺乏估计这些效应的自由度，或者它们已经被其他术语解释过模型。 您是否尝试过分析>拟合模型>标准最小二乘法个性和效果筛选？
