使用 DOE 結果作為定量或定性預測（基於效果總結）大家好，
我正在做一個包含 2 個因子和 2 個響應的全階乘 DOE。 並想知道怎麼做
測試並運行模型後。 結果表明，不存在顯著因素，也不存在顯著模型。
但是看看交互分析器。 我在因子 A 和響應 X 中看到了一些明顯的趨勢。
所以我的問題是如何正確使用這個結果。
- 因此，我無法使用迴歸模型進行定量預測。 因為它在統計上不顯著（不實用）
- 有了趨勢，我仍然可以用它來定性地預測它（趨勢），例如：當增加因子 A 時，X 將增加。
我理解正確嗎？還是我誤解了這個結果？
希望有高手可以幫助我。 謝謝你們
實驗設計回覆：使用 DOE 結果作為定量或定性預測（基於效果總結）你好@Justin_Bui ,
為什麼您沒有發現模型中的項目具有統計顯著性，可能有多種解釋：
- 因子範圍太窄（因此可能更難以找到高水平和低水平之間的統計差異），
- 響應的高度可變性，
- 不適當的模型（和/或模型中的術語選擇），
- 對於設計來說樣本量太小（檢測統計顯著效應的效力太低），
- 缺少從統計角度解釋反應變化的因素，
- 實際上非統計顯著因素，
- 結合以上選項，
- 其他考慮因素...
考慮到您的設計和假設的模型，您可以開始評估您的設計，看看如果它們處於活動狀態，您將有多大可能檢測到統計上顯著的影響（請參閱資料表中的腳本「評估設計”）。 看來您檢測主效應和交互作用的能力相當低，因此，如果您考慮到此響應的高變異性（檢測到統計上的機率約為5%），那麼對於響應Y 沒有找到任何具有統計顯著性的術語也就不足為奇了。6 次實驗的反應 Y 的顯著水準為 0.05，RMSE 約為 5，具有顯著效果（如果有效）：
為了在建模之前有一個良好的起點，最好從簡單開始，並做一些圖表/視覺化來查看趨勢。 這可以進一步改進並告知您的建模選項，視覺化還可以幫助您在建模過程中評估模型的相關性（例如透過查看殘差圖、實際與預測等）。
同樣值得考慮的是這些因素的實際意義。在您提供響應 Y 並查看參數估計值的範例中，對於一個單位的因子 B，響應 Y 的變化 20 是否代表實際顯著的增加/減少？
您可能會發現響應 Y 是趨勢，可以透過進行額外的實驗（增強設計以添加確認此模型的運行，和/或複製現有運行以更好地評估響應的可變性）來進一步研究趨勢。 統計顯著性有助於您更確定地解釋結果。 例如，在響應 Y 中，您可以看到參數估計值具有相對較高的標準誤差，這表示可能無法精確估計效果的大小。 因此，在這種情況下，最好謹慎地解釋趨勢。
對於反應 X，似乎涉及因子 A 項及其二次效應的模型足以擁有適當的（或至少足夠相關）模型。 我讓您評估所附資料表中的回應 X 模型。
我希望第一個答案可以幫助你
回覆：使用 DOE 結果作為定量或定性預測（基於效果總結）賈斯汀，
在 Victor_G 提出的非常明確的觀點的基礎上添加一個小的“其他考慮因素”......
在查看原始資料時，響應 X 和響應 Y 的值似乎具有非常粗略的測量值。雖然這可能是您發布範例的翻譯的產物，但它指出了一個問題。
在六次運行中，X 只有三個值選項，Y 只有兩個值。雖然因子模式 00 的重複結果相同是件好事，但測量系統缺乏精確度可能會影響流程理解。
*考慮是否可以提高測量系統精度*。
如果響應 X 的測定只能報告無（0）、中等（10）、大（15）且響應 Y 為無（0）或某些（25）...
根據 DOE 過程中成本和時間負擔發生的位置，考慮重複測量與重複運行。
回覆：使用 DOE 結果作為定量或定性預測（基於效果總結）雖然格雷格提出了很好的觀點，但問題在於歧視或有效解決，而不是精確性。
