資料缺失如何處理？你好，
最近我為擠壓實驗運行了 2^4 階乘模型。 我打算對包括交互項在內的二次項進行建模。
然而，有些觀點有點雄心勃勃，擠壓失敗了。 因此，我無法收集到這些觀點的某些答案。 我想要一些關於如何進行的建議。 我應該用不太激進的水平重複實驗，還是可以用低於編碼水平 1 的軸向點來增強設計。
謝謝基礎資料分析與建模實驗設計品質和工藝工程回覆：如何處理缺失資料？無論哪種方式都可以。 但如果我有選擇，我會再次重複整個實驗。 為了讓我們都清楚誰在讀這篇文章，2^4 全階乘實驗不允許估計二次效應。 您必須添加運行......通常以軸點的形式，如果可能的話，為了可旋轉性、效果的正交性或其他一些理想的設計屬性而間隔開。
回覆：如何處理缺失資料？以下是我對實驗單位損失的看法。 你沒有說有多少實驗單位失敗了，所以要意識到你的選擇取決於這個：
1. 是否有另一個反應變數可以量化造成擠出損失的因素的影響？ 我記得與田口醫師一起工作時，他會說這些治療方法可能是實驗中資訊最豐富的。
2. 正如 Pete 所說，您無法使用 2 階乘來估計二次效應。 您至少需要中心點來估計與線性假設的偏離。
3. 如果您只遺失了一份，請嘗試以下選項：
- 使用剩餘處理的平均值取代缺失的運行
- 使用迴歸來估計缺失的運行。 執行分析擬合模型，輸入 DF 減少 1 的模型（通常是最高階效應）。 儲存模型（紅色小三角>儲存列>預測公式）。 這將為您提供缺失治療的預測。
- 如果您在執行實驗之前預測了結果，請嘗試使用您的預測結果。
執行所有 3 項操作，看看結果是否一致。 如果它們相對一致，您就可以對分析充滿信心。 如果沒有，那麼你必須考慮進行更多的跑步。 當然，額外的運行可能位於不同的推理空間中，因此請注意「區塊」效應。
回覆：如何處理缺失資料？嗨斯塔曼，
謝謝你的建議！ 補充一下，我已經運行了中心點，並且根據分析，與線性假設有偏差。 因此，我將在以後的實驗中加入軸點。 至於遺失的數據，我將嘗試再次使用您的建議和模型。
謝謝，祝新年快樂！
回覆：如何處理缺失資料？嗨，P_巴特爾，
感謝您的建議。 我將在當前實驗中添加軸點以確定二次效應。
謝謝你，祝你新年快樂！
