定制设计中块因素和分类因素之间的差异亲爱的 JMP 社区，
我对 JMP 中的自定义设计功能有疑问。 我想要生成具有 12 个连续因子和 2 个分块因子的 D 最优设计，并且我有 64 次运行可供使用。 我希望这个设计也能够估计 12 个连续因子的二阶交互效应。
我在“自定义设计”菜单中添加了一个阻塞因子，并选择所有二阶交互效应进行估计（如果可能）。 然而，JMP 不会估计这些区组效应。
你知道为什么会出现这种情况吗？
后续问题：当我选择分类因素而不是分块因素时，我会得到不同的 D-、A- 和 I- 效率。 当然，在普通最小二乘估计中，分块因子和分类因子是相同的。 JMP 如何以不同的方式处理分类因素和分块因素？ （我似乎无法在你的手册中找到答案）
回复：JMP 中的块效应@MaartenvM ：
我只是提出另一个疯狂的想法......你没有提到你正在考虑两个阻塞因素有多少级别/块......但是有什么方法可以将你的“阻塞”因素用作真正的2级将所有分类因素汇总到最终的筛选设计中？ 我使用 12 个连续因素和 2 个分类因素（每个因素有 2 个水平）创建了一个休闲明确筛选设计，共有 34 次运行。 远低于您的全部预算。
作为@布拉德利琼斯指出有很多很多可能的双因素效应......如果你的系统存在效应稀疏性......大多数很可能不会活跃。 然后，您可以利用两阶段 DSD 建模方法来识别主动主因子和 2 因子交互效应。 那么你仍然有一些剩余的资源用于更多的实验/验证/一次性试验等。
@布拉德利琼斯和@马克贝利如果我的想法被误导，请评论？
回复：JMP 中的块效应如果有 12 个连续因子，则有 66 个双因子交互作用 (2FI)。 因此，不可能通过 64 次试验的设计来估计所有这些相互作用。 如果您将 2FI 设置为“如果可能”，JMP 将创建一个设计，在给定您指定的运行次数的情况下尝试估计尽可能多的这些效应。
关于阻塞因素与分类因素...
如果您进行了两种设计，一种使用区组因子，另一种使用与区组因子具有相同级别数的分类因子，则您不一定会得到相同的设计。 通常有许多设计具有完全相同或非常接近相同的优化标准值。 这些设计对于其他标准可能具有不同的值。
回复：JMP 中的块效应我认为我们正处于达成暴力协议的边缘。
回复：JMP 中的块效应标记，
在设计实验时我完全同意你的回答。 然而，我见过很多例子，其中一个或几个块的治疗效果超出了随机变化，也就是说，在分析中发现了块治疗相互作用。在半导体制造中，生产批次是常见的阻碍因素。考虑一个单因素、多水平实验，运行 20 个批次。对于除 2 个批次之外的所有批次，一级（明显的获胜者）都有很大的改进（> 随机变化的 4 倍），但两个异常批次没有显示任何效果。
进一步的调查通常会提供可能影响（干扰）“获胜”条件的其他因素。 因此，应始终研究阻断治疗的相互作用。变异图对于发现潜在问题非常有用，特别是绘制调整后的处理方法（结果 - 块平均值|控制平均值）。通常，总偏差、相互作用可以在块调整变异性图上直观地看到。
因此，我认为，如果有超过 3-4 个块，至少应该对块处理交互进行可视化分析。
回复：JMP 中的块效应从哲学的角度来看，我们以不同的方式对待分类因素和阻塞因素。
分类因素代表两个或多个要调查的水平。 我可以设置任何我想要的级别。 分块因子表示对实验单位的限制和对运行随机化的限制。
我们在交互效应中不涉及分块因素，因为我们认为改变分块的固定或随机效应分别仅取决于均值（截距）或随机误差（方差）。 我们不认为这些因素的影响在区块之间会发生变化。 科学和工程在所有模块中的工作原理都是相同的，但平均响应可能会以固定或随机的方式在模块之间发生变化。
如果您相信存在交互作用，那么当您更改块时，存在一个真正的因素会改变级别。 应将其识别出来，然后将其视为一个因素，而不是一个障碍。
