如何分析因子設計你好，
我需要一些幫助。 最近我跑了 2^4 階乘。 我的回答是我的擠出物的一些紋理特性。 然而，在實驗過程中，在某些情況下我無法獲得擠出物，因此無法獲得任何紋理數據。 因此，我想要一些關於如何分析缺失資料點的設計的建議。
謝謝！
基礎資料分析與建模回覆：如何分析因子設計一般來說，您仍然可以像獲得所有回應一樣以相同的方式分析實驗。 然而，一些模型項將是不可估計的。 哪些術語取決於缺少哪些治療組合。 我還將使用評估設計平台排除與完整設計相比「缺失」的行，以查看您損失了多少功率以及估計的相關性以及其他相關設計特徵。
回覆：如何分析因子設計同意 P_Bartell 評估設計影響的觀點。 您也許仍然可以擬合該模型。 但您需要非常小心地解釋該模型，尤其是在故障區域周圍。
為什麼資料遺失至關重要。」我無法獲得擠出物”
詢問為什麼會發生這種情況以及是否與所使用的因子設定有關。 例如，您是否正在前往空間的一個角落，那裡的過程會陷入懸崖並失敗？ 將資料表排序，失敗的地方有什麼共同點？ 回應是否有合適的上（下）界，您可以將其用作資料中的替代項來探索故障空間？ 也要考慮分析二進位 0/1 故障響應。 這是為了讓您深入了解導致失敗的原因，然後透過後續實驗進行確認。
請務必記住，「缺失資料」可能是您收集的最重要的資料。 解釋結果時不要丟棄它。
考慮增強。 例如，您可以沿著向量向故障角進行增強，首先找到故障邊緣，然後使用約束區域來增強實驗。
這種情況通常會發生在這些類型的實驗中嗎？ 如果是這樣，在未來的實驗中，加強設計（例如更高解析度和/或使用更大的模型）可以使設計對損失更加穩健。 或者執行一些初步運行來找出故障空間可能會有所幫助。
回覆：如何分析因子設計我不會討論之前的回覆所帶來的話題，因為它們已經很清楚了，我非常同意。
關於故障區域的設計增強，您也許可以使用空間填充方法，以便在增強中使用的點數方面具有更大的靈活性，並且在該區域的建模中具有更大的靈活性。 它也許能夠更精確地繪製邊界「實驗可行性」區域。
關於提到的初步運行@datadad2 ，當您使用因子設計時，您可以使用範圍設計來評估實驗空間在高、中、低條件下運作的可行性： https://prismtc.co.uk/resources/blogs-and-articles/scoping-designs
它可以幫助避免運行失敗、評估再現性和噪聲，並且可以在專案的早期階段檢測曲率。回覆：如何分析因子設計與之前所有海報相呼應。 好消息是您運行了階乘，因此您可能仍然有足夠的處理分數階乘的方法。 這是我對實驗中缺失資料的建議。
1. 正如 datadad 指出的那樣，您從沒有產生輸出的處理中學到了什麼（這可能是實驗中資訊最豐富的部分）？ 是治療的結果還是發生了其他事情？
2. 你能開發一個替代反應變數嗎？ 另一種衡量實驗單位的方法。
3.您也許能夠使用剩餘資料的迴歸來建立一個模型來預測遺失的資料點（您將需要認識到可用的 DF）
4. 使用其他處理的平均值來找出缺少的資料點（這往往會標準化特定的處理效果）
5. 如果您事先預測了結果，請使用您的預測結果。
6. 執行 3-5 並用數值取代缺失的資料點。 執行擬合模型分析並查看這些分析的一致性程度。 如果存在合理的一致性，您可能會對自己的分析充滿信心。 如果沒有，您可能需要重新運行缺失的治療以及一些您確實有數據的治療（以估計區塊效應）。
