实验分析设计大家好，JMP 社区，
对于我所进行的实验设计的分析，我有两个问题：
1) 当执行筛选 DOE（Plackett-Burman 设计）时，如果模型项之一对因变量有正向影响，但似乎未达到统计显著性，则在执行第二个优化 DOE 时是否仍应包括该因子？我认为，当某个因子对筛选 DOE 的结果没有统计显著性影响时，并不一定意味着该因子对结果的影响可以忽略不计。这是正确的吗？
2) 在分析 DOE 并通过删除不显著项来简化模型时，我观察到，在简化模型后，拟合度检验变得不显著，而在简化模型之前，拟合度检验是显著的。我该如何解释这一点？这是否意味着通过删除这些项，模型的纯误差会增加，从而导致拟合度降低？
谢谢你，
萨拉
实验设计回复：实验分析设计关于 1.) 中的问题，我的想法如下。不要纠结于统计显著性。首先，你要解决一些实际问题。如果你的领域知识告诉你“不显著”的因素很重要……那么一定要在后续实验中包括它。“不显著”背后的原因可能多种多样。测量系统噪音过大。也许因子水平太窄，信号无法超过噪音。不要陷入与护身符 0.05 值相关的 p 值悬崖心态单数化……你要告诉我，如果 p 值为 0.051，你会抛弃该因子，而如果 p 值为 0.049，你会保留它吗？
至于问题 2。）更多想法... 拟合度检验很好... 但残差图告诉您什么？在拟合度检验中交换自由度就像试图寻找“赢家”。我不会花很多时间在这上面。回到实际问题。关注最终的模型如何帮助您解决实际问题... 而不是 LOF 的 F 检验。
我的看法...其他人可能有不同的看法。
回复：实验分析设计关于您的第一个问题，因子范围是否足够宽以引起强烈的影响（即响应发生变化）？将范围限制在预期为良好水平的值附近可以降低非零估计的检验功效。
回复：实验分析设计谢谢@P_Bartell ，这也是我针对所提两个问题的思考过程。
回复：实验分析设计@Mark_Bailey我使用了尽可能广泛的范围，对测试化合物/因子的细胞无毒。否则，这将给我提供有限的信息，因为所有细胞都会死亡。
