在分析 DSD 之前是否需要满足有关响应数据的任何假设？我刚刚进行了第一次 DSD 研究，只是想了解它背后的一些内部工作原理，但我无法从JMP 手册请参见此处。
- 我想了解在“Fit Definitive Screening”脚本进行分析之前是否需要满足有关响应数据的任何假设。 我问这个是因为如果你想运行方差分析测试，你需要确保数据是正常的，所以只是想知道在分析数据之前是否需要满足任何类似的假设。
- 为什么“Fit Definitive Screening”脚本显示主效应残差图而不仅仅是主效应图（如双因素设计中常见的那样）？ 此外，正如上面的链接中提到的，我无法理解为什么“具有不同水平残差的因子表明重要的主效应”？
- 为什么脚本不显示交互图？ 这与DSD的结构有关吗？
实验设计回复：在分析 DSD 之前是否需要满足有关响应数据的任何假设？一些澄清：
1. 不存在 DOE 响应变量的正态性假设，也不存在使用方差分析的正态性假设。事实上，方差分析对于分布异常相当稳健。定量分析的假设是正态独立分布残差平均值为 0，方差为常数 (NID(o,variance))。
2. 残差图对于识别模型问题非常有用。预测刻画器是您寻找主效应图的工具。 如果一个水平的残差与另一个水平的残差差异很大，则表明该因素有影响。
3. 您必须确保模型中存在交互才能获得交互图（第 2 阶段）。
回复：在分析 DSD 之前是否需要满足有关响应数据的任何假设？关于第二点，你能解释一下这个说法吗：“如果一个水平的残差与另一个水平的残差相差很大，这是否表明该因素有影响？” 我无法理解这一点。 这是否意味着该图中的残差是为特定响应与因子创建的线（即模型）？
回复：在分析 DSD 之前，是否需要满足有关响应数据的任何假设？这意味着该因子会影响响应的方差，无论它如何影响响应的均值。 此结果违反了最小二乘模型，该模型假设方差独立于响应水平。 方差被估计为所有 X 的常数值。
