根据数据集而非模型提供的拟合度报告不足是什么启发了这个愿望清单请求？
当我创建一个具有 2 个重复（总共 16 次运行）的 2X2X2 因子设计，并运行具有因子效应 A、C 和 AC 的简化模型时，我预计会得到拟合度不足的检验结果，因为在这种情况下，我有 8 个纯误差自由度，其余 4 个自由度可用于拟合度不足的检验。但是当我真正运行模型时，JMP 不会激活拟合度不足报告。
这是因为 JMP 完全忽略了 B 列，并将包含 A、C 和 AC 的模型识别为包含两个因素 A 和 C 的完整模型。但是，就包含三个因素 A、B 和 C 而言，它实际上不是一个完整模型。
您希望看到什么改进？
我建议让 JMP 保留数据中涉及的因素（而不是模型）的信息，并使用它来提供 LoF 报告。
这个想法为什么重要？
例如，假设用户在 3 因子因子设计中构建了一个包含所有可能项的初始模型。通过调查效果摘要窗口，用户可以逐个删除一些不必要的项。每当删除一个项时，用户可能希望通过检查 LoF 报告来确认删除。但是，目前，如果删除了涉及特定因子的所有项，则不会提供 LoF。
这可能不仅限于2级实验数据；我认为，同样的事情可能发生在任何一般数据集上。
基础数据分析与建模实验设计回复：基于数据集而非模型提供的拟合度不足报告 - 状态已更改为：已确认感谢 Kangwon 的发帖。平台的运行符合 LOF 的计算方式。“完整模型”的定义参考了模型效应对话框中指定的术语。当您将模型指定为包含效应 A、C 和 AC 时，您就指定了一个完整模型。该模型仍然使用所有数据进行拟合（即：使用了全部 16 行数据）。在您提供的模型设计中，只有因子设计点（重复），没有中心点。如果您在设计中包含重复的中心点，即使拟合的是完整模型，您也会生成可以检验二次曲率的 LOF。只有重复的因子点而没有中心点，您只有在拟合简化模型时才会生成 LOF，并且它会检验是否需要交互作用。希望这个解释对您有所帮助。谢谢！
