4 個連續因子的 DSD我有四個連續因素。 我想優化這個過程，這就是為什麼我點擊添加帶有中心運行的塊來估計二次效應的原因。
製作表格後，我單擊腳本“設計評估”。 我點擊了 RSM。 Power Analysis中2FI和Quadratic的取值很小。 我還注意到我的第 4 個因子沒有二次項。
美國能源部回复：4 個連續因素的 DSD你好@維克多_G ,
謝謝你的慷慨，非常感謝。 我想你已經解決了我的問題。
回复：4 個連續因素的 DSD你好@Alainmd02 ,
如果您現在已經對這 5 個因素感興趣/對您的研究很重要，並且您想要一個 RSM 模型，我會直接轉到定制設計（或者在只有連續因素的情況下使用經典 RSM 設計）。
在這種情況下，DSD 可能不是最佳選擇，因為重點將放在篩選上，並且您最終不會只用一個 DSD 得到一個完整的 RSM 模型（請參閱我之前的回答；QE 的功率也會降低比自定義 RSM 設計）。
沒有關於 QE 的最小功率的規則，但您必須期望 QE 的功率低於 ME 或 2FI。 我不會太擔心 QE 的功率較低，因為 QE 的功率也將取決於有多少因素以及哪些因素進入模型。 如果您還有剩餘的自由度，那麼 QE 的權力可能會增加。
有一篇關於權力的帖子（已解決：回复：我應該考慮在 DOE 中進行功率分析嗎？ - JMP 用戶社區）， 在哪裡@Phil_凱回答並解釋了使用功率來評估設計。 您可能會發現它對您的情況也很有用。
希望對你有幫助
PS：如果您找到解決您問題的答案，請不要猶豫將其標記為解決方案，以幫助其他社區成員跟踪您問題的解決方案:)
回复：4 個連續因素的 DSD你好維克多，
現在，我有 4 個連續因素和 1 個分類因素。
你能推薦DSD嗎？
為什麼定制設計中的 RSM 對於 QE 總是低功耗？
QE 的最小功率是多少足以將其視為良好設計？
回复：4 個連續因素的 DSD你好@Alainmd02 ,
首先，讓我們提醒一下，最終篩選設計是放映設計，因此它的目的是從一系列因素中檢測顯著的主效應（儘管如果剩餘的自由度允許，它也能夠擬合一些交互作用和二次效應）。
因此，從這個意義上說，交互作用和二次效應的功效低於主效應是正常的，因為此設計中的主要效應未與任何雙因子或二次效應混淆。 相反，在雙因素相互作用和二次效應之間仍然存在一些別名（請參閱在您的示例中使用 4 個因素繪製的相關圖），因此在存在別名的情況下，精確檢測 QE 和 2FI 的重要性將更加困難（因此較低的功率）。
5+因子更推薦DSD；對於少於 5 個因素，就實驗數量而言，使用定制設計可能更容易、更有效。
由於它是一個篩選設計，其目標不是擬合完整的 RSM 模型（並且 JMP 應該在單擊 RSM 時警告您“此設計無法擬合指定模型。 不可估量的模型項已被刪除”），所以這就是為什麼您看不到第四個因素的二次效應（缺乏精確計算此效應估計的自由度）。
為了創建 RSM 設計，您必須：
- 通過你的DSD擴充（轉到“DoE”，“Augment Design”，擴充時，點擊模型部分的RSM，JMP會建議你至少再實現4個實驗，所以總共22個實驗），
- 或改變你的策略：
- 創建適合 RSM 模型的自定義設計（JMP 推薦的 21 個實驗），或
- 使用經典方法（Box-Behnken/Central Composite Design，根據所選模型進行 27 到 36 次實驗）。
最後，始終比較創建的不同模型（運行次數不同），以便能夠根據設計性能（每種效果的功效、方差預測、別名...）之間的最佳折衷選擇最有趣的設計。和實驗次數。
DSD 上的一些資源：
使用確定性篩選設計從更少的試驗中獲取更多信息 - JMP 用戶社區
確定性篩選設計 - JMP 用戶社區
希望對你有幫助
