我想进行筛选实验来确定哪些因素对我的反应 (Y) 影响最大。 从过去的研究中，我知道这些变量具有交互作用，因此我需要在模型中包含交互项。 我认为相关的因素如下：
- X1——连续
- X2——连续
- X3——连续
- X4——连续
- X5——连续
- X6 - 仅具有 2 个级别的分类
- X7 - 有 10 个级别的分类
具体来说，X7是一种化学物质：脂肪酸。 脂肪酸可以是饱和的、单不饱和的或多不饱和的、长链的或短链的等等，所以我选择了其中的 10 种涵盖这一特性范围的脂肪酸。 由于 X7 具有超过 3 个级别，因此我被迫使用 JMP 中的自定义设计，并考虑模型中的交互项，这导致大约 42 个实验。 我想问是否有更有效的方法来做到这一点？ 具体来说，这是一种更有效的方法来设置 DOE 来研究 X7（分类变量）等变量。
大声思考，起初我认为将 X7 从离散变量转换为连续变量（可能通过关注脂肪酸的一个重要特征）可能会有所帮助，因为这样我就可以简单地选择“高”和“低”设置。 但化学品是多维的，即它们不能仅仅归结为一个特征/数字，所以我不认为这是前进的方向。
那么，是否有更有效的方法来设计具有 X7 这样的分类变量的研究呢？
