如何处理受控效应我正在进行 2x2 完全因子研究，并且只想模拟主效应和单向交互作用。如下所示，我有一个主效应，它看起来不如包含它的单向交互作用显著。我知道交互因子本身也不显著，但过去我认为它很重要。过去我只是在删除主效应之前删除了不显著的交互因子。对此有什么指导吗？为什么会发生这种情况？数据集中是否有任何具体因素导致这种情况？在这种情况下处理影响的正确方法是什么？提前致谢。
高级统计建模基础数据分析与建模实验设计预测模型和机器学习回复：如何处理包含的效果我知道这些术语过去曾在这里和其他地方互换过。我按照 JMP 的方式使用这些术语。
效应层次是经常观察到的原则，即大多数效应是一级效应，第二大效应是二级效应，依此类推。三级效应相当罕见。
我们使用模型遗传来表示高阶项（预测变量线性组合）应该包含低阶项
我不认为你错了。我的用法只是与 JMP 一致。当我们使用某些术语时，我们都必须小心解释我们的意思。你总是解释自己。
回复：如何处理包含的效果@Mark_Bailey ，我以为这是层次原则。也就是说，按照层次原则，如果你有二阶（高阶）效应，你应该包括一阶（低阶）效应。遗传是一种分析原则，它可以通过评估低阶效应的重要性来帮助确定哪些混杂的高阶效应是活跃的。遗传：为了使高阶效应活跃，至少 1 个父母应该是活跃的。如果我错了，请纠正我。
回复：如何处理包含的效果你好@sanch1 ，
@Mark_Bailey的统计解释可以帮助您理解如何/为何使用模型遗传来构建基于 DoE 数据的模型。我想就建模和影响的重要性提出进一步的问题和意见：
- 考虑到可能有很多方法可以获得不同的（但有用的）模型，这取决于您对“重要性”或模型“准确性”的评估指标：效果的 p 值阈值、信息准则（如 AICc 和 BIC）、R²/R² 调整、RMSE，......重要的是使用与您的目标和目的（解释和/或预测模型）相一致的指标。
- 关于您的问题，我还要强调区分统计显著性和实际显著性（规模效应）的必要性。有关此上一主题的更多信息，请参阅： https://community.jmp.com/t5/Discussions/Which-one-to-define-effect-size-Logworth-or-Scaled-Estimates/mp/728779/highlight/true#M91099
根据您的信噪比，您可能能够统计地检测出（或检测不到）一些主要影响和/或交互作用。在“受控”环境中（干扰因素得到“控制”或维持），使用可能高精度的测量系统（具有高重复性和再现性精度），您可能能够检测到具有非常小影响的效应。根据您之前进行研究的条件，这可能解释了为什么您可能错过了这些影响。
- 您之前的研究和本次使用 DoE 进行的研究之间的实验空间和样本大小也可能不同。根据因素、因素范围、假设模型和实验空间中点的重新划分，您的数据集的代表性和检测效果的能力可能会有所不同。例如，样本量较小的非常狭窄的空间使得检测统计上显著的效应更加困难。与第 2 点相关，非常大的样本往往会将微小的差异转化为统计上显著的差异，因此这就是为什么需要实际意义来评估模型的充分性。
重要的是用领域专业知识来补充统计分析，以挑战/通知您创建的模型，并使用验证运行来确认最终模型的预测。
我希望这些（并非详尽的）考虑可以帮助你理解你在不同的分析中看到的差异，
回复：如何处理包含的效果在 2x2 全因子研究中，我们通常会发现主效应和交互作用的显著性会因因子及其之间的交互作用而变化。有时，与包含主效应的交互作用相比，主效应的显著性可能较低，这可能是由于多种因子的综合影响。当面对包含不太显著主效应的交互作用时，请考虑通过删除无意义的术语来简化模型，以专注于更易于解释的效应。
回复：如何处理包含的效果你好@sanch1 ，
关于交互作用显示为活动状态而您认为它不应该显示为活动状态，您是否尝试过绘制包含所有数据点的交互作用图来了解交互作用显示为活动状态的原因？在文章 Søren Bisgaard & Michael Sutherland (2003) Split Plot Experiments:Taguchi's Ina Tile Experiment Reanalyzed, Quality Engineering, 16:1, 157-164) 中，作者展示了此图的示例，该图适用于未重复的实验。数据采集中的问题或将数据记录到表格中的某些错误可能会导致这种影响。
回复：如何处理包含的效果JMP 尊重“模型遗传”。该原则规定，您应该包括低阶项，即使它们在包含高阶项时并不重要。这与响应或理论模型背后的物理科学无关。实验人员通常希望模型具有尺度不变性。也就是说，如果我改变某个因子的尺度，模型中的项将保持不变。如果您不尊重模型遗传，情况就不是这样。JMP 遵循将所有因子水平编码为 [-1,1] 的最佳实践。因此，系数也进行了编码。您可以将模型转换为原始的科学或工程尺度。如果您忽略模型遗传，您将观察到项的变化。
