因素和响应都是绝对的你好：
当所有因素和响应都是明确的时，分析重要因素的适当方法是什么。
我正在研究噪音的制造问题，其中有四个因素
A：加热，级别是和否（一半样品将被加热）
B：水浸，级别是和否（一半样品将浸入水中）
C：材料，旧的和新的级别（一半的组件由不同的材料制成）
D：静态运动，级别是和否（在运行实际高速测试之前，一半的组件将缓慢循环）
回答：Noise Yes 和 No.（我们会在元件高速测试时看看是否有噪音）
我试图了解哪些单独因素或因素组合会导致组件运动产生噪音。我应该遵循什么方法。
非常感谢您的帮助。
高级统计建模实验设计回复：因素和响应都是绝对的嗨@VarunK正如您所描述的，这是一个多重逻辑回归。我的问题是关于因子设置。有 ar 2^4 = 16 种可能的因素组合。其中每一个如何在数据中复制？即，它是否平衡（每个组合代表相同的次数），或者不平衡？如果是这样，每组重复多少次？如果不是，请详细说明不平衡情况。仅仅知道“一半的样本将是 X”是不够的（这取决于哪一半......因为并非所有的一半都是平等的）。例如，如果加热的一半与浸入水中的一半相同，那么您就没有希望将 A 的效果与 B 的效果分开； A和B将会彻底困惑。
可以在此处找到多元逻辑回归的起点。
https://www.jmp.com/en_gb/learning-library/topics/correlation-and-regression/multiple-logistic-regression.html
回复：因素和响应都是绝对的谢谢您的回复MRB3855，
DOE 是平衡的。
不幸的是，我们只有 20 个样本，因此不会有重复。
有复制的半阶乘和没有复制的全阶乘哪个更好？
我将浏览您共享的链接。
非常感谢您的帮助。
回复：因素和响应都是绝对的你好@VarunK ：“什么会更好，有复制的半阶乘或没有复制的全阶乘？”
嗯……像往常一样，这取决于。如果您仅预期主效应（也许还有一些双向相互作用），则复制 1/2 分数。完整的阶乘没有任何真正的错误（来自重复）。全阶乘情况中的“误差”来自高阶交互作用。此外，逻辑模型的区分可能具有挑战性；通常，样本量需要很大（因此您有很大的误差自由度）才能根据因子设置的变化检测 Prob(Noise=Yes) 的变化。因此，以简约和复制的名义，我倾向于复制 1/2 分数。其他人可能不同意……
回复：因素和响应都是绝对的我对我的评论表示歉意，如果它们不适用，您可以忽略它们，但我很困惑为什么您采用了几个应该是连续因素并决定将它们视为绝对因素？当你这样做时，你就会失去效率和效力。
热量：在 2 个不同温度下改变热量
水：改变 2 个不同水位的水
移动：以 2 个不同级别的速度改变速度
唯一的类别是材料类型。
另外，我可能不明白你的回答，但如果你所说的噪音是指声音，那么这当然可以用连续的尺度来测量（例如分贝、波长）
当您尝试对效果进行建模时，连续变量对于 DOE 来说要好得多。具有分类变量的模型非常有限。
回复：因素和响应都是绝对的谢谢您的回复，斯塔曼：
你对噪音的看法是对的。我观察到某些部分有很大的摩擦噪音，因此想了解问题所在。
声级中没有定义被视为噪音的标准。我们站在一定的距离，决定是否吵闹。
我只能将热量更改为连续因子，如室温和加热温度（我将加热一半的样品，另一半不会被加热，所以基本上是室温）。
我将一半的样品浸泡在水中，另一半则没有。我相信热+水可以对噪音产生影响
运动：在运行实际测试之前，我将循环一半的部件，而其他部件则不会循环。
