你好，
我尝试在过去的讨论中搜索是否有与我的情况类似的内容。但我没有找到任何内容。
我创建了一个简单的虚构数据来说明附加数据文件的场景。
假设有：
1 个因子 (X)，水平为 1、2、3、4、5
1 个响应 (Y)，下限为 -10
如果我们做一个简单的回归并得出模型，那么在这种情况下，Profiler 会将最大可取性设置为 X =5。
但是根据简单的例子，最差的设置应该是 X=5，因为 Y 的变化较大（有些甚至不符合规格要求）。最好的 X 应该设置为 4。
显然，这里我们违反了方差不等的假设。
我们可以尝试对 Y 进行 Box-Cox 变换，以尝试解决方差不等的问题，甚至可以尝试加权最小二乘法。
然而这两种方法在大多数情况下都不起作用，在这种情况下它也不起作用。
我知道这看起来像是一个极端的情况，但出于案例研究的目的，我们是否有任何选择，我们必须忍受方差不等的问题，并且仍然可以获得“正确的”最大化可取性？
或者，我们可以利用蒙特卡罗模拟将随机噪声输入到响应中并模拟整个 X 设计空间的缺陷率。但是，蒙特卡罗只允许输入一个 Stdev（噪声）值并将其应用于整个预测模型。
因此，仅当方差不等时，此方法才有效。
我们该如何进行呢？
是否会有一个选项允许蒙特卡洛使用 X 中每个级别的正确响应噪声（基于观察到的数据）来执行模拟，那么这将有助于确定 X 的正确设置。
为简单起见，假设当 X= 1、2、3、4 时响应标准差为 1，当 X=5 时响应标准差=19。
因此，当我们进行蒙特卡罗模拟时，它将使用与 X 级别相关的标准差。
当然，我们没有关于 X 的其他值的响应标准差的信息，但至少可以根据可用数据执行此操作。
我尝试了蒙特卡罗噪声特征中的多个选项（加权随机噪声、按模型随机噪声等）。它仍然将一个均匀噪声（stdev）应用于整个模型。
谢谢。
Br，
克里斯
在实际案例中，X 是否是连续因子？真实案例是否与您为我们创建的模型一样极端？是否可以解释为什么响应方差会随着 X 的水平或设置变化而发生如此大的变化？这是测量问题吗？这是过程问题还是物理问题？
这些问题至关重要。之后，如果您可以解释或证明这些问题，您可以考虑使用“拟合模型”启动对话框中提供的对数线性方差拟合功能。
我不做您感兴趣的分析类型，但我建议您将 X 更改为名义变量，然后研究选项。您也可以定义一个新的 Y 变量，缺陷或正常（取决于 Y 是否小于 -10），然后看看您可以对名义 Y 变量与名义 X 变量进行哪种分析。我相信有一些标准分析适用于这种情况，但将 X 视为连续变量似乎不是一个好的起点。
