作为我们正在进行的有关测试软件的系列博客的一部分，我们将稍微绕道来重新讨论因子效应的基本原理。
尤其是，在筛选设计方面，我们在设计中寻找的属性可以通过设计实验的基本原理很好地总结出来。我们甚至在我们的文档中概述了它们。
- 效应层次：该原则规定主效应比二阶效应更重要，二阶效应比三阶效应更重要，依此类推。此外，同阶效应同样可能重要。
- 效应稀疏性：根据这一原则，因子实验中只有少数效应可能显著。大多数效应被假定为可忽略不计，从而简化了模型选择过程。
- 效应遗传：该原则指出，只有当其父级（主）效应中至少有一个也显著时，交互效应才可能显著。此规范有助于在模型搜索过程中排除不兼容的模型。
现在，如果你已经做过足够多的实验，你可能会发现这些原则不成立的例子。然而，有经验证据表明，这些都是你在实验时可以做出的合理假设（请参阅 Li et al. 2006 的评论）。
效应层次原则是部分因子设计中许多设计选择的基础，这些设计选择通过分辨率和最小偏差实现，如果您参加了实验设计课程，您可能已经了解过这些原理。结合稀疏性，我们希望找到最重要的因子，这些都是活跃的研究领域（例如，参见确定性筛选设计和混合级筛选设计）。同样，当您使用“定制设计”平台时，默认模型是主效应模型。
我想指出的是，对于稀疏性原则，“可能显著”更多地反映了识别“最”重要的影响。如果你有足够大的运行规模，你的许多（可能是大多数）因子效应都将具有统计显著性——我喜欢将稀疏性原则视为获得最大效应，通过改变某些相应的输入来改变你的响应，从而获得最大的回报。
对于效应遗传原理，我通常只在建模时才会考虑它。但我们将会看到，它也与测试相关。
为什么要绕道？这与测试有关吗？
虽然我们可以简单地向您指出文档（在我的下一篇博客文章中），但我们将了解如何使用这些相同的原则来构建测试问题。
Li, X., Sudarsanam, N. 和 Frey, DD, 2006. 因子实验数据的规律性。 《复杂性》 ， 11 （5），第 32-45 页。
很棒的文章@Ryan_Lekivetz ！
我也尽力在这篇文章“ 实验设计原则：实验设计构建和分析的关键概念”中解释了实验设计构建的基本原则（基于 Fisher 原则：复制、随机化、局部控制/阻断）和设计分析（影响稀疏性、层次结构和遗传性）。
感谢阅读@Victor_G - 并感谢您的文章链接。我很高兴看到您传播有关 DOE 的消息！
