如果在 DoE 设计过程中忘记添加主效应项怎么办？在设计优化工艺参数的研究时，我错误地添加了交互作用项，但没有添加主效应项。 现在我已经收集了所需的数据。 我应该怎样做才能充分利用数据？
谢谢！
实验设计回复：如果在 DoE 设计过程中忘记添加主效应项怎么办？你好@zj2000 ,
欢迎来到社区！
您可能已经从模型中删除了主要影响，但您将能够通过您的设计来估计它们（即使“不太优化”）：您的 7 个因素中的每一个都假设有相互作用和二次效应（因此每个因素模型中有 3 个级别（最小-中-最大），并且您有足够的自由度来估计它们。
- 该设计中有 44 个独立实验，代表 43 个自由度（其中一个用于估计截距）。 包含主效应（要估计的 7 个项）、双因素交互作用（要估计的 21 个项）和二次效应（要估计的 7 个项）的模型将需要 35 个自由度（如捕获“方差分析”中所示）使用一个响应的随机数据拟合模型”），因此您有足够的 DF 来估计所有这些项（以及 8 来估计模型误差）：
您可以使用评估设计平台（菜单 DoE、设计诊断、评估设计）检查估计主效应（以及模型的其他效应）的功效，指定您的因素和响应，并在假设的模型中添加主效应。 没有显示错误消息，因此可以估计主效应，您将获得此窗口：
即使您在设计生成时从模型中删除了主效应，原则效应遗传确保如果设计中存在高阶项（如您在模型中添加的二次项或双因子交互作用），则模型中应存在且可估计低阶项（如主效应）。 请注意，您已经意识到的错误是一个很好的建议，可以添加到JMP 愿望清单关于设计创建：如果用户指定具有高阶效应的模型而不添加低阶效应，则提供警告（或阻止？）。
查看之前的快照，您可以看到主效应仍然比二次项具有更高的功效，即使在设计生成期间未添加主效应也是如此。 如果在设计生成时添加到模型中，大多数主效应可能具有更高的功效（例如 T 2、100 等），但最终您应该能够获得正确的分析和模型。
您可以将生成的设计与具有相同运行次数但添加了主效应的设计进行比较（请参阅附表“自定义设计流程2”进行设计比较），以了解此更改可能会在哪些方面影响结果和分析（较低）主效应的功效、实验空间边缘较高的预测方差、较高的估计标准误差……）。
希望这个答案能帮助你（并安抚你），
回复：如果在 DoE 设计过程中忘记添加主效应项怎么办？嗨维克多，
非常感谢你的回复！ 我在“构建模型效应”框中添加了 7 个主要效应项，并分析了数据，并尝试使用预测刻画器中的优化意愿函数来确定最佳过程参数。 你认为这会起作用吗？ 我正在附加带有数据的文件。
再次感谢！
贾森
回复：如果在 DoE 设计过程中忘记添加主效应项怎么办？你好@zj2000 ,
我不知道您的目标是什么，也不知道您对模型的接受标准/阈值，也不知道您希望通过此设计找到什么。另外，根据您的行业/研究领域，特定的度量值（例如 R² = 0,4 或模型的特定 RMSE 值）可以被认为（足够）好或坏。
在您使用 D2v 响应值的情况下，可以识别可能的重要因素（是否由您的领域专业知识确认）。我不知道您是否有 JMP 还是 JMP Pro，但我将主要使用 JMP 可能性来确定：
- 如果您想找到此响应可能的重要因素，您可以使用探索性工具，例如预测筛选（在分析、筛选、预测因子筛选中）：基于 Bootstrap 森林，它是一个有用的工具，可以对您的响应进行排名并查看哪些因素可能是最有影响力的：
就您而言，V2 和 100（也许还有 T1）可能是对 D2 v 响应影响最大的因素。
- 您还可以构建一个包含设计中所有假设的主效应、相互作用和二次效应的模型，并开始细化/简化您的模型。 对于模型中的所有项（即使有些项不具有统计显着性），R² 值约为 0.5，但该模型在解释响应变异性方面不具备统计显着性，且调整后的 R² 约为 0，因此这个完整的模型需要一些细化才能有用。
通过测试多个模型（使用 JMP/JMP Pro）并删除不会带来解释响应的有价值信息的项，我们可以得到一个更小且具有统计显着性的模型（仅包含项 V2、V2xV2 和 100），但 R²/R²调整后的值非常低，即使接近 (0,21 - 0,15)。
这听起来合理吗？ 你期待这个吗？ 您如何解释这种情况？您的领域专业知识可以吗？
您的回答似乎相当“嘈杂”，这可能部分解释了为什么很难获得高 R² 值并找到统计上显着的术语。
也许在接下来的步骤中增强对感兴趣因素的设计（通过领域专业知识的分析来确认）可能会很有趣，也许添加其他可能的因素，并使用复制来估计噪声并将其考虑在内在建模中。
我已附上数据表，其中包含与我提到的分析相对应的脚本（预测器筛选、完整模型、简化模型）。
回复：如果在 DoE 设计过程中忘记添加主效应项怎么办？嗨维克多，
你能试试这个吗？
谢谢，
贾森
回复：如果在 DoE 设计过程中忘记添加主效应项怎么办？
回复：如果在 DoE 设计过程中忘记添加主效应项怎么办？
回复：如果在 DoE 设计过程中忘记添加主效应项怎么办？我尝试优化 7 个参数以获得最大响应。 当我使用“最大化意愿”功能时，我得到了这个。 我现在的问题是：1. 这是获得最佳参数的正确方法吗？ 2. 为什么它不将 NP 和 V2 的线进一步向左推以获得更高的 D2 v？
谢谢，
回复：如果在 DoE 设计过程中忘记添加主效应项怎么办？嗨杰森，
这个新表中 D2v 的响应值似乎更容易使用来构建高效且有用的模型。
我可以问一下上一个表和这个表之间的值如何/为什么发生变化？ 测量记录错误，或者这些值是用于训练自己的合成数据吗？
通过尝试我之前提到的不同步骤，您可以拥有一个（非常令人满意且具有统计显着性）完整或简化模型，解释大部分响应变异性。 您现在必须检查该模型是否有用并且是否符合您的领域专业知识，或者该模型是否可以帮助您发现有用的东西。
1. 是的，使用“最大化意愿”可以帮助您根据找到的模型找到因子的最佳设置。
2. 您可能需要检查意愿函数是否适合您的用例；此处，您已将 D2v 的目标设置为 0 到 100 之间的值的“匹配目标”，因此 JMP 绘制一条最佳值约为 50 的曲线。 如果您想更改意愿和目标，请单击分析器旁边的红色三角形，单击“优化和意愿”，然后单击“设置意愿”。 您将能够更改响应 D2v 的目标（最小化、最大化、匹配目标）并指定高、中、低值的不同值边界及其相关需求（意愿分析和优化）：
希望这个回答对你有帮助
回复：如果在 DoE 设计过程中忘记添加主效应项怎么办？嗨维克多，
你的扩展非常有帮助。 多谢！
我做了一个包含这些主效应项的设计，并用该设计分析了数据。 这是我第一个上传的。 在第二个数据集中，数据被添加到有缺陷的原始设计中。
