4 个连续因子的 DSD我有四个连续因素。我想优化该过程，这就是为什么我单击添加带有中心运行的块来估计二次效应。
制作表格后，我单击脚本“评估设计”。我点击了 RSM。 Power Analysis 中的 2FI 和 Quadratic 值较小。我还注意到我的第四个因子没有二次项。
实验设计回复：4 个连续因子的 DSD你好@Victor_G ，
感谢您的慷慨，非常感谢。我想你已经解决了我的问题。
回复：4 个连续因子的 DSD你好@Alainmd02 ，
如果您现在已经知道这 5 个因素对您的研究感兴趣/重要，并且您想要一个 RSM 模型，我会直接进入定制设计（或者在只有连续因素的情况下使用经典 RSM 设计）。
在这种情况下，DSD 可能不是最佳选择，因为重点将放在筛选上，并且您不会仅使用一个 DSD 就得到一个完整的 RSM 模型（请参阅我之前的回答；您的 QE 能力也会降低）与定制 RSM 设计相比）。
对于 QE 的最小功率没有规定，但 QE 的功率必须低于 ME 或 2FI。我不会太担心量化宽松的力量下降，因为量化宽松的力量也将取决于有多少因素以及哪些因素进入模型。如果还有剩余的自由度，那么量化宽松的力量可能会增加。
有一篇关于功效的帖子（ 已解决：回复：我应该考虑 DOE 中的功效分析吗？ - JMP 用户社区），其中@Phil_Kay回答并解释了如何使用功效来评估设计。您可能会发现它对您的情况也很有用。
我希望它能帮助你，
PS：如果您找到解决您问题的答案，请立即将其标记为解决方案，以帮助其他社区成员跟踪您问题的解决方案:)
回复：4 个连续因子的 DSD你好维克多，
现在，我有 4 个连续因素和 1 个分类因素。
可以推荐一下DSD吗？
为什么定制设计中的 RSM 对于 QE 的功耗总是较低？
QE 的最低功率是多少才足以将其视为良好的设计？
回复：4 个连续因子的 DSD你好@Alainmd02 ，
首先，让我们提醒一下，确定性筛选设计是一种筛选设计，因此其目的是从一系列因素中检测显着的主效应（尽管如果剩余自由度允许，它也能够拟合一些相互作用和二次效应） 。
因此，从这个意义上说，交互作用和二次效应的功效比主效应的功效较低是正常的，因为此设计中的主效应不与任何双因子或二次效应混叠。相反，在 2 因子交互作用和二次效应之间仍然存在一些别名（请参阅在您的示例中使用 4 个因子完成的相关图），因此在存在别名的情况下，精确检测 QE 和 2FI 的显着性将更加困难（因此较低的功率）。
5+因素更推荐DSD；对于少于 5 个因素，就实验数量而言，使用定制设计可能会更容易、更高效。
由于它是屏幕设计，其目标不是拟合完整的 RSM 模型（并且 JMP 在单击 RSM 时应该警告您“此设计无法拟合指定的模型。不可估计的模型项已被删除”），因此这就是您的原因没有看到第四个因素的二次效应（缺乏精确计算此效应估计的自由度）。
为了创建 RSM 设计，您必须：
- 对你的DSD进行增强（进入“DoE”，“增强设计”，增强时，点击模型部分的RSM，JMP会建议你再实现至少4个实验，所以总共22个实验），
- 或改变你的策略：
- 创建适合 RSM 模型的定制设计（JMP 推荐的 21 项实验），或者
- 使用经典方法（Box-Behnken/Central Composite Design，根据所选模型进行 27 到 36 次实验）。
最后，始终比较创建的不同模型（具有不同的运行次数），以便能够根据设计性能之间的最佳折衷（每种效果的功率、方差预测、别名...）选择最有趣的设计。和实验次数。
有关 DSD 的一些资源：
使用确定性筛选设计从更少的试验中获取更多信息 - JMP 用户社区
明确筛选设计 - JMP 用户社区
我希望它能帮助你，
