回复：以面为中心的复合设计不适合你好@DNADA ,
欢迎来到社区！
您是否首先检查了 JMP 帮助中关于失拟检验的解释？ :失调 (jmp.com)
根据有限的可用信息，以下是我对您问题的回答：
- 我不完全确定遵循不同的设计步骤：您首先创建了一个部分因子设计，然后从该设计中将其扩充到 CCD 以检测到三个重要因素，是否正确（或创建一个新的 CCD 而不扩充）？
我不明白中心点如何在建模中“导致偏差”？ 由于您的中心点是重复的，您是否检查了在这些点上测量的响应的可变性？ 与您的领域专业知识和任何可重复性/再现性研究相比，可变性是否足够低？
如果您进行了设计扩充，在扩充期间，您是否将新运行分组到单独的块中以说明两个步骤之间的测量变化？
失拟检验表明您指定的模型可能有太多项，或者与您拥有的数据相比不够充分：它将从您的重复运行（中心点）估计的纯误差与其余部分进行比较错误（总错误 - 纯错误）。
- 不，如果你没有根据统计特性（异常值，...）证明你“可以”这样做，你不应该删除任何点和领域专业知识（错误的值、测量记录中的错字、测量系统中的错误/问题……）。
在你的例子中，你仍然可以比较两个模型的结果，一个是所有点的正常结果，另一个是通过“隐藏和排除”中心点运行，看看结果是否有很大不同。 但是您可以在其他一些选项之前进行检查，例如与模型中的可变性（RMSE）相比，您的响应的测量可变性，模型中术语的重要性，...
- 仅凭您提供的两个屏幕截图可能很难为您提供帮助，因为我不完全确定您是如何构建 DoE 以及如何建模的。 但是您可以在“效果摘要”、“参数估计”或“效果测试”面板中看到模型中输入了哪些项（在每个响应旁边的红色三角形中可用，然后在“回归报告”中或直接在“效果汇总”的红色小三角菜单）。 如果您已经完成了像 CCD 这样的 RSM 设计，您应该能够创建一个包含所有主效应、双因子交互作用和二次效应的模型。
您的模型中是否已有这些类型的术语？ 哪些是重要的？ 在考虑高阶项或不同的东西之前，使用 JMP 表查看是否可以改进模型会有所帮助。
从您的残差图（以及实际与预测）来看，您当前的模型似乎无法正确处理某些曲率，因此您可以检查模型中是否存在交互作用和二次效应。 如果您已经拥有它们，则可能需要高阶项。
如果您有 CCD 设计，您将无法在模型中正确考虑高于二次效应的因素，因为每个因素有 3 个水平（最小、中等和最大），因此您只能适应最大二次效应。您将需要 4 个级别的因子来拟合三阶项，5 个级别来拟合四阶项，等等......因此，如果您在建模中需要这些项，则需要进行设计扩充。
- 您可以在此处从 GenReg 获得有关不同估算方法的更多信息：估计方法选项 (jmp.com)
- 如果你不能根据你的设计和数据创建一个“好的”模型（也许你确实需要一些高阶项），你可以从你的 DoE 表中点击“DoE”，“Augment Design”并指定你的因素和回应：增强设计 (jmp.com)
从那里，您可以“增强”您的设计（并将新运行分组到一个新块中）并在“模型”面板中指定您希望模型中包含的其他项。
我希望这第一个答案能为您提供信息，
回复：以面为中心的复合设计不适合你好，
所有的建议来自@Victor_G是声音。 我还认为，如果不更多地了解您所做的事情，就很难给出完整的答案。 屏幕截图很好，但将一些说明性数据附加为 .jmp 表会更有帮助。
我想我知道你问中心点是否对失拟合统计产生偏差是什么意思。 18 个 CP 将对用于失拟检验的纯误差的计算产生很大影响。 如果设计中心的误差方差不能代表整个设计的误差方差（您可能会想到出现这种情况的原因），那么中心点将偏向失拟测试，至少在某种程度上。 这就是为什么有些人不喜欢使用中心点的原因之一。 然而，中心点重复也完全有可能代表整个因子空间的误差。
一式三份真的是独立运行吗？ 也就是说，您是否完全重置了每个三次重复的第一个和第二个之间以及每个三次重复的第二个和第三个之间的因子？ 或者每个一式三份只是来自同一制备样品的 3 次重复测量？ 如果它们不是真正的独立运行，那也会影响模型的有效性和失拟检验，除非您为“准备”添加随机效应项。
您还应该考虑您的失拟测试可能是完全有效的，这意味着什么。 失调并不能告诉你你的模型是错的还是对的（“所有模型都是错的”）。 请不要只使用缺乏拟合重要性作为勾选框练习。 考虑一下它的真正含义。 考虑误差项的大小，并质疑这是否符合您对系统的体验。 如果不合适是“重要的”，那么它真的很重要吗 - 它可能不是。
如果您认为失拟是有效且重要的，那么您可能希望向您的模型添加高阶项。 我看不到你的设计，所以我不知道可以估计哪些模型。 但是您可能想要测试模型中的三次 (X1*X1*X1) 和/或部分三次 (X1*X1*X2) 项。
我希望这有帮助。
菲尔
回复：以面为中心的复合设计不适合Victor 和 Phil 都提供了很好的建议和一些很好的问题。 试试这个，只为中心点创建数据表的子集。 按运行顺序对它们进行排序。 绘制它们，您可以使用 X、MR 图表或图形生成器。 是否有任何模式或不寻常的数据点？ 在中心点看到的变化是否代表过程中的“典型”变化？ 您可能需要一些 SME 帮助来分析数据。
回复：以面为中心的复合设计不适合除了其他很棒的评论表@维克多_G , @statman ， 和@Phil_凯，螺柱残差图看起来，也许，就像有一些下落不明的黑化；对于前 30 次左右的运行，残差偏低，接下来的 20 次左右偏高。 所有的运行都是在一天内完成的吗？ 隔几天？ 不同的分析师等？
回复：以面为中心的复合设计不适合两张图片都显示了因失配而表现出模式的图。 请注意，与“实际值与预测值”图中的标识线偏差或残差图中 Y = 0 的偏差相比，重复值有多接近？ 复制是如何进行的？ 运行是完全随机的吗？ （每次运行都是随机选择的，所有因素在下一次运行之前都被重置了吗？）
以面为中心的复合材料设计缺乏配合问候。
我是一名非工程背景的博士生，过去一个月一直在使用 JMP 17 Pro。 这是我第一次使用 JMP 软件，我通过 JMP 网站、YouTube 和 Chemistry World 自学才能够到达 RSM，但我正在努力解决缺乏拟合的问题。 我从部分因子设计 (2^6-2) 开始优化过程，以使用 2 级筛选来筛选重要因素。 从那里开始，我使用稍宽的轨迹和六个附加中心点，针对三个重要因素进行了以面为中心的复合设计，一式三份，并使用经典设计中的 RSM 随机运行顺序。 输出为 60 个实验，其中包括 18 个用于多种化合物测量信号的中心点。 我只有两种化合物具有不显着的失拟，其余的 P<0.001。 我的问题是：
1. 如何检查中心点数量过多是否导致其他化合物建模出现偏差？
2. 是否可以删除中心点并保留所有其他响应进行建模？
3.如何在调整仪器之前检查JMP中的模型是否适合二次或任何高阶多项式以进行调整。
4.我读了@菲尔_凯建议使用Gen Reg 中的最佳子集和 SVEM Lasso 在另一篇文章中解决了类似问题。 在哪里可以找到有关使用这两种方法来拟合 RSM 以获得 DOE 所需的失拟度的数据分析的更多详细信息？
5. 如果不是这种情况，如何增强实验以达到预期的失拟效果？
请帮助我。
谢谢
Residuals PlotResiduals Plot残差图
Actual versus Predicted PlotActual versus Predicted Plot实际图与预测图
实验设计
