定制設計中塊因素和分類因素之間的差異親愛的 JMP 社區，
我對 JMP 中的自定義設計功能有疑問。 我想要生成具有 12 個連續因子和 2 個分塊因子的 D 最優設計，並且我有 64 次運行可供使用。 我希望這個設計也能夠估計 12 個連續因子的二階交互效應。
我在“自定義設計”菜單中添加了一個阻塞因子，並選擇所有二階交互效應進行估計（如果可能）。 然而，JMP 不會估計這些區組效應。
你知道為什麼會出現這種情況嗎？
後續問題：當我選擇分類因素而不是分塊因素時，我會得到不同的 D-、A- 和 I- 效率。 當然，在普通最小二乘估計中，分塊因子和分類因子是相同的。 JMP 如何以不同的方式處理分類因素和分塊因素？ （我似乎無法在你的手冊中找到答案）
回复：JMP 中的塊效應@MaartenvM ：
我只是提出另一個瘋狂的想法......你沒有提到你正在考慮兩個阻塞因素有多少級別/塊......但是有什麼方法可以將你的“阻塞”因素用作真正的2級將所有分類因素匯總到最終的篩選設計中？ 我使用 12 個連續因素和 2 個分類因素（每個因素有 2 個水平）創建了一個休閒明確篩選設計，共有 34 次運行。 遠低於您的全部預算。
作為@布拉德利瓊斯指出有很多很多可能的雙因素效應......如果你的系統存在效應稀疏性......大多數很可能不會活躍。 然後，您可以利用兩階段 DSD 建模方法來識別主動主因子和 2 因子交互效應。 那麼你仍然有一些剩餘的資源用於更多的實驗/驗證/一次性試驗等。
@布拉德利瓊斯和@馬克貝利如果我的想法被誤導，請評論？
回复：JMP 中的塊效應如果有 12 個連續因子，則有 66 個雙因子交互作用 (2FI)。 因此，不可能通過 64 次試驗的設計來估計所有這些相互作用。 如果您將 2FI 設置為“如果可能”，JMP 將創建一個設計，在給定您指定的運行次數的情況下嘗試估計盡可能多的這些效應。
關於阻塞因素與分類因素...
如果您進行了兩種設計，一種使用區組因子，另一種使用與區組因子具有相同級別數的分類因子，則您不一定會得到相同的設計。 通常有許多設計具有完全相同或非常接近相同的優化標準值。 這些設計對於其他標準可能具有不同的值。
回复：JMP 中的塊效應我認為我們正處於達成暴力協議的邊緣。
回复：JMP 中的塊效應標記，
在設計實驗時我完全同意你的回答。 然而，我見過很多例子，其中一個或幾個塊的治療效果超出了隨機變化，也就是說，在分析中發現了塊治療相互作用。在半導體製造中，生產批次是常見的阻礙因素。考慮一個單因素、多水平實驗，運行 20 個批次。對於除 2 個批次之外的所有批次，一級（明顯的獲勝者）都有很大的改進（> 隨機變化的 4 倍），但兩個異常批次沒有顯示任何效果。
進一步的調查通常會提供可能影響（干擾）“獲勝”條件的其他因素。 因此，應始終研究阻斷治療的相互作用。變異圖對於發現潛在問題非常有用，特別是繪製調整後的處理方法（結果 - 塊平均值|控制平均值）。通常，總偏差、相互作用可以在塊調整變異性圖上直觀地看到。
因此，我認為，如果有超過 3-4 個塊，至少應該對塊處理交互進行可視化分析。
回复：JMP 中的塊效應從哲學的角度來看，我們以不同的方式對待分類因素和阻塞因素。
分類因素代表兩個或多個要調查的水平。 我可以設置任何我想要的級別。 分塊因子表示對實驗單位的限制和對運行隨機化的限制。
我們在交互效應中不涉及分塊因素，因為我們認為改變分塊的固定或隨機效應分別僅取決於均值（截距）或隨機誤差（方差）。 我們不認為這些因素的影響在區塊之間會發生變化。 科學和工程在所有模塊中的工作原理都是相同的，但平均響應可能會以固定或隨機的方式在模塊之間發生變化。
如果您相信存在交互作用，那麼當您更改塊時，存在一個真正的因素會改變級別。 應將其識別出來，然後將其視為一個因素，而不是一個障礙。
