自定義 DOE 約束中的失去功效和預測方差所以我必鬚根據設備能力禁止某些組合，但它會顯著降低預測方差和功率。 有辦法解決這個問題嗎？ 如果我做不到，那麼在功效低且預測方差高的情況下，我如何才能相信結果？
共享和交流結果回复：在自定義 DOE 約束中失去功效和預測方差謝謝你倆！ 我選擇的設計只是具有所有交互的自定義 DOE，除了我刪除了不可能的 4 次運行並添加了 2 個中心點。 我遇到困難的地方是，如果我不能在這些參數極端情況下進行測試，那麼執行額外運行的哪些參數可以減少預測方差。
回复：在自定義 DOE 約束中失去功效和預測方差限制因素探索空間總是以犧牲權力為代價的。 繞過它的方法是向 DOE 添加更多運行。
回复：在自定義 DOE 約束中失去功效和預測方差你好@evtran ,
閱讀您的問題並查看預測方差刻畫器，我們確實可以看到您的設計並不完全平衡，因為在較低水平的因素（搖擺溫度、搖擺速度）下預測的相對方差似乎小於較高水平的你的因素水平，所以我們可以看到一些限制。 如果不查看設計本身，可能很難為您提供幫助，但對於與功效和預測方差相關的問題，這裡有一些一般性的評論和建議：
- 當您知道要檢測的信號的相對大小並且對實驗和響應測量噪聲 (RMSE) 有很好的估計時，功率是有意義的（請參閱答案@Phil_凱這裡 ：已解決：我應該考慮在 DOE 中進行功率分析嗎？ - JMP 用戶社區),
- 根據您的目標（和設計），您可能對術語的重要性不感興趣，但對預測精度更感興趣。 在這種情況下，您應該查看並比較不同設計的不同預測相對方差（和設計空間分數圖），以選擇最能最小化此相對預測方差的設計。
- 在不與其他設計進行比較的情況下查看功效和/或相對預測方差可能不是很有幫助。 您或許可以嘗試使用多個模型和最優性標準生成多個設計。
- 最優性標準：如果要突出顯著效果，D 最優（或 A 最優）設計可能是合適的。 如果您只關心響應預測，也許 I 最優設計更適合您的需要。
- 幾個模型：當你設計你的模型時，你可以嘗試修改模型中的項。 例如，如果您正處於研究的開始階段，您可能只能篩選主效應（然後擴充您的設計以查看交互作用和可能的二次效應？）。 或者您可以在模型中輸入交互項（和二次效應？）並將可估計性更改為“如果可能”，以專注於主要影響，但如果您在分析中有足夠的自由度，仍然可以輸入其他影響.
- 樣本量：我不知道在你這裡的具體案例中考慮了多少次運行，但是如果實驗成本不是太多，增加樣本量可能會幫助您對篩選能力更有信心（並有助於增加功效並減少相對預測方差）。
為了能夠“信任”結果，您可以將檢測到的顯著影響與您的領域專業知識進行比較：它有意義嗎？ 您還可以準備一些額外的運行（驗證運行），您將使用它們將預測與實際測量值進行比較（以檢查您的預測精度是否可以滿足您的需求）。
有時，您別無選擇，只能嘗試一種設計，因為根據實驗預算、您的目標和設計限制，沒有其他設計比您現有的設計更好。
確保設計“足夠”滿足您的需求和特定情況的唯一方法是運行實驗，並嘗試分析結果。 如果存在一些困難，您仍然可以擴充您的設計。
希望這個回答對你有幫助，
