查询生成具有四个（2 级）变量的 DOE 并一次分析 2 个变量你好：
我有 4 个 2 级变量，并计划进行完整的阶乘 DOR 运行而不进行复制。
所以运行 16 次。
如果我一次只分析两个变量，而不是分析四个变量的结果，那么我将在同一组 16 个实验中总共有 6 个 DOE 进行分析，但现在每个实验有 4 个重复。
变量：A、B、C、D
如果我不一起分析 ABCD，而是分析 AB、AC、AD、BC、BD、CD 会怎样？
这样我就可以看到哪些因素和相互作用是重要的。
我相信 DOE 分析仪的作用相同，但为什么总是建议进行更多的重复？
我是否遗漏了什么或者我的理解在某些地方有缺陷。
非常感谢您的帮助。
高级统计建模实验设计回复：使用四个（2 级）变量生成 DOE 并一次分析 2 个变量的查询嗨@VarunK ，
您的帖子中有几个问题，所以我会尽力逐步回答。
关于全因子设计的使用以及对它的期望：
如果您计划对 4 个连续因子、2 个水平、16 次运行进行完整因子设计，这意味着您假设您的先验完整模型将包含截距、4 个主效应（对于每个因子）以及 2 个因子之间的 6 种交互作用。因素。总共，您有 11 项需要估计，因此您仍然有 5 个自由度来评估误差： 方差分析
我建议首先从完整模型开始，因为它是您的先验假设模型，因此它可以为您提供对不同术语的相关性和影响的更好概述，而不是在没有任何条件的情况下重复对许多不同组合进行模型拟合。先验知识（这需要更长的时间，并且您可能会因不同或冲突的模型而感到困惑）。
当然，根据您的结果，这个完整的模型可能不是最合适或最相关的模型，并且可能没有一个模型可以满足您的需求。
此外，如果一个（或多个）因素及其相关的高阶项（交互效应）对模型没有影响，则与这些效应的估计相对应的运行可以投影到较低维空间中，使它们看起来像复制。这称为因子设计的投影属性，也是筛选设计/部分因子设计可以非常强大和灵活的原因（根据效应稀疏原理）。如果您想了解更多信息，可以在互联网上找到几个链接： Classical Designs-Fractional Fractional Designs Rev1.pdf (afit.edu)
因子筛选因子设计的投影特性|施普林格链接
我还在 LinkedIn 上发表了一篇文章，通过与阴影摄影的比较直观地解释了它是如何工作的： https 
/www.linkedin.com/posts/victorguiller_designofexperiments-statistics-dataanalytics-activity-7155469237921153025-ul7E
添加重复是改进参数/系数估计的好技术，但它们会大大增加实验预算。为了提供更大的灵活性，根据所使用的平台，您可以使用复制（完全复制设计）或复制运行（复制一定数量的运行）。有关此复制差异和复制优点的更多信息，请参阅https://community.jmp.com/t5/Discussions/Doe-and-replications/mp/565296/highlight/true#M77731
关于分析DoE的方法：
根据您的目标，您可能有不同的模型评估和选择路径：
- 解释性模型：在解释性模式中，您更关注对响应有一定影响的术语，因此您可能会根据统计显着性评估是否需要包含不同的术语（借助 p-值和预定义的阈值（如 0.05）和实际意义（估计的大小、基于领域专业知识的选择）。 R²、R² 调整（以及两者之间的差异，需要最小化）可能是很好的指标，可以了解已识别的术语解释了多少变化，并选择相关模型来解释您正在研究的系统。
- 预测模型：在预测模式中，您更关注有助于最大程度地减少预测错误的术语，因此您可以通过实际与预测的可视化，根据这如何提高预测性能来评估是否需要包含不同的术语。预测图和误差大小（残差图）。 RMSE 可能是评估哪些模型具有最佳预测性能的一个很好的指标（目标是最小化 RMSE）。
您可能还对这两部分的组合感兴趣，因此可以使用不同的指标来帮助您评估和选择模型，例如信息标准（AICc、BIC），有助于在模型的预测性能与其复杂性之间找到折衷方案。根据这些标准评估和选择模型，越低越好。您还可以使用类似的最大似然，但不包括模型复杂性的惩罚。
正如您所看到的，可能有多种方法可以评估和选择最相关的模型。
我希望这个答案能够帮助您大致了解接下来要针对您的用例尝试什么。
回复：关于使用四个（2 级）变量生成 DOE 并同时分析 2 个变量的查询嗯，我不想争论，但这不对。如果你对4个因子在2个水平上运行完全阶乘，那么15个自由度因子的分配如下：
4 DF：4 个主要效果，
6 DF：6 个二阶相互作用效应，
4 DF：4 个 3 阶相互作用效应，
1DF：4阶相互作用效应。
估计误差没有自由度 (DF)。仅仅因为你忽略了模型中的高阶效应，并不意味着它们就是独立的误差估计值。
回复：关于使用四个（2 级）变量生成 DOE 并同时分析 2 个变量的查询@statman ，我同意理论方面的观点，但在实践方面，默认情况下，JMP 在创建完整的部分设计时确实假设模型只有二阶效应（因此只有主效应和 2 因子相互作用）。
我在发布之前也检查了一下以确保;)
