查詢產生具有四個（2 級）變數的 DOE 並一次分析 2 個變數你好：
我有 4 個 2 級變量，併計劃進行完整的階乘 DOR 運行而不進行複製。
所以運行 16 次。
如果我一次只分析兩個變量，而不是分析四個變量的結果，那麼我將在同一組 16 個實驗中總共有 6 個 DOE 進行分析，但現在每個實驗有 4 個重複。
變數：A、B、C、D
如果我不一起分析 ABCD，而是分析 AB、AC、AD、BC、BD、CD 會怎麼樣？
這樣我就可以看到哪些因素和交互作用是重要的。
我相信 DOE 分析儀的作用相同，但為什麼總是建議進行更多的重複？
我是否遺漏了什麼或我的理解在某些地方有缺陷。
非常感謝您的幫忙。
進階統計建模實驗設計回覆：使用四個（2 級）變數產生 DOE 並一次分析 2 個變數的查詢嗨@VarunK ，
您的帖子中有幾個問題，所以我會盡力逐步回答。
關於全因子設計的使用以及對它的期望：
如果您打算對4 個連續因子、2 個水平、16 次運行進行完整因子設計，這意味著您假設您的先驗完整模型將包含截距、4 個主效應（對於每個因子）以及2 個因子之間的6 種交互作用。因素。總共，您有 11 項需要估計，因此您仍然有 5 個自由度來評估誤差： 變異數分析
我建議首先從完整模型開始，因為它是您的先驗假設模型，因此它可以為您提供對不同術語的相關性和影響的更好概述，而不是在沒有任何條件的情況下重複對許多不同組合進行模型擬合。先驗知識（這需要更長的時間，並且您可能會因不同或衝突的模型而感到困惑）。
當然，根據您的結果，這個完整模型可能不是最合適或最相關的模型，並且可能沒有一個模型可以滿足您的需求。
此外，如果一個（或多個）因素及其相關的高階項（交互效應）對模型沒有影響，則與這些效應的估計相對應的運行可以投影到較低維度空間中，使它們看起來像複製。這稱為因子設計的投影屬性，也是篩選設計/部分因子設計可以非常強大和靈活的原因（根據效應稀疏原理）。如果您想了解更多信息，可以在互聯網上找到幾個鏈接： Classical Designs-Fractional Fractional Designs Rev1.pdf (afit.edu)
因子篩選因子設計的投影特性|施普林格連結
我還在 LinkedIn 上發表了一篇文章，透過與陰影攝影的比較直觀地解釋了它是如何運作的： https 
/www.linkedin.com/posts/victorguiller_designofexperiments-statistics-dataanalytics-activity-7155469237921153025-ul7E
添加重複是改進參數/係數估計的好技術，但它們會大大增加實驗預算。為了提供更大的靈活性，根據所使用的平台，您可以使用複製（完全複製設計）或複製運行（複製一定數量的運行）。有關此複製差異和複製優點的更多信息，請參閱https://community.jmp.com/t5/Discussions/Doe-and-replications/mp/565296/highlight/true#M77731
關於分析DoE的方法：
根據您的目標，您可能有不同的模型評估和選擇路徑：
- 解釋性模型：在解釋性模式中，您更關注對反應有一定影響的術語，因此您可能會根據統計顯著性評估是否需要包含不同的術語（借助 p-值和預定義的閾值（如0.05 ）和實際意義（估計的大小、基於領域專業知識的選擇）。 R²、R² 調整（以及兩者之間的差異，需要最小化）可能是很好的指標，可以了解已識別的術語解釋了多少變化，並選擇相關模型來解釋您所研究的系統。
- 預測模型：在預測模式中，您更專注於有助於最大程度地減少預測錯誤的術語，因此您可以透過實際與預測的視覺化，根據這如何提高預測效能來評估是否需要包含不同的術語。預測圖和誤差大小（殘差圖）。 RMSE 可能是評估哪些模型具有最佳預測性能的一個很好的指標（目標是最小化 RMSE）。
您可能也對這兩部分的組合感興趣，因此可以使用不同的指標來幫助您評估和選擇模型，例如資訊標準（AICc、BIC），有助於在模型的預測性能與其複雜性之間找到折衷方案。根據這些標準評估和選擇模型，越低越好。您也可以使用類似的最大似然，但不包括模型複雜性的懲罰。
正如您所看到的，可能有多種方法可以評估和選擇最相關的模型。
我希望這個答案能幫助您大致了解接下來要針對您的用例嘗試什麼。
回覆：關於使用四個（2 級）變數產生 DOE 並同時分析 2 個變數的查詢嗯，我不想爭論，但這並不正確。如果對 2 個水準的 4 個因子進行全因子分析，則 15 個 DF 的分配如下：
4 DF：4 個主要效果，
6 DF：6 個二階交互作用效應，
4 DF：4 個 3 階交互作用效應，
1DF：4階交互作用效應。
沒有用於估計誤差的 DF。僅僅因為你將高階效應排除在模型之外並不意味著它們就是獨立的誤差估計值。
回覆：關於使用四個（2 級）變數產生 DOE 並同時分析 2 個變數的查詢@statman ，我同意理論方面的觀點，但在實踐方面，默認情況下，JMP 在創建完整的部分設計時確實假設模型只有二階效應（因此只有主效應和 2 因子相互作用）。
我在發布之前也檢查了一下以確保;)
