我想進行篩選實驗，以確定哪些因素對我的反應 (Y) 影響最大。 從過去的研究中，我知道這些變量具有交互作用，因此我需要在模型中包含交互項。 我認為相關的因素如下：
- X1——連續
- X2——連續
- X3——連續
- X4——連續
- X5——連續
- X6 - 僅具有 2 個級別的分類
- X7 - 有 10 個級別的分類
具體來說，X7是一種化學物質：脂肪酸。 脂肪酸可以是飽和的、單不飽和的或多不飽和的、長鏈的或短鏈的等等，所以我選擇了其中的 10 種涵蓋這一特性範圍的脂肪酸。 由於 X7 具有超過 3 個級別，因此我被迫使用 JMP 中的自定義設計，並考慮模型中的交互項，這導致大約 42 個實驗。 我想問是否有更有效的方法來做到這一點？ 具體來說，這是一種更有效的方法來設置 DOE 來研究 X7（分類變量）等變量。
大聲思考，起初我認為將 X7 從離散變量轉換為連續變量（可能通過關注脂肪酸的一個重要特徵）可能會有所幫助，因為這樣我就可以簡單地選擇“高”和“低”設置。 但化學品是多維的，即它們不能僅僅歸結為一個特徵/數字，所以我不認為這是前進的方向。
那麼，是否有更有效的方法來設計具有 X7 這樣的分類變量的研究呢？
