在 R 和 JMP 中評估設計矩陣的混雜性時，答案不同
我有一個設計矩陣，列是具有 2 個等級的因素，行是實驗，見圖。我想要評估設計的別名（也稱為混淆）。我顯然想要一個不會造成混淆的設計。我認為作為這樣做的一部分，我將採用我的設計的 XT * X 來獲得跨每一列的點積。如果沒有混淆因素，則預期每個非對角線項都為 0。當你這樣做時，我們可以說在 R 中很明顯存在可能的 |22| 中的非對角項。一些非對角線項最多在 |6| 左右，見圖。然而，當我在 JMP 中評估此設計並查看別名矩陣時，非對角線因子項為零 i（我弄亂了別名模型項來僅評估主效應）。這看起來像是一些簡單的線性代數，但也許我有一些根本的誤解。如果列向量的點積不為零，那麼它們就不正交。也許這是一種錯誤的思考方式，但在可能的 22 個結果中出現 6 個似乎具有相當大的混淆程度。 JMP 做了什麼我沒注意到，或者我的理解哪裡錯了，我肯定錯了。你好，
如果沒有看到任何報告/計算，就很難知道您在 JMP 之外做了什麼。
主效果之間沒有混淆的設計可能會顯示像您所得到的別名矩陣。這應該是篩選設計類型的通常預期行為。
當我在 JMP 中建立僅包含主效應的自訂設計時，相關性的顏色圖如下：
您可以看到，主效應（黃色區域）之間沒有相關性/共存，但高階項之間存在大量相關性。
別名矩陣有不同的用途，Ryan 在下面對此進行了解釋。
通常，您需要檢查報告中的相關性顏色圖，以了解設計的相關性/混雜屬性。
編輯：修復了關於別名矩陣的誤導性陳述
回覆：在 R 和 JMP 中評估設計矩陣的混雜性有不同的答案
顏色相關性如下。我僅使用了別名術語中的主要效果。別名矩陣是 1 和 0，但顏色相關圖有一些非 0 的非對角線項。
回覆：在 R 和 JMP 中評估設計矩陣的混雜性有不同的答案
設計矩陣的 16 列（即 22 個實驗的 16 個因子）的點積產生一個 16 x 16 的矩陣。
再次看起來，好像存在非對角線項。並且基於 22 的尺度，-6 在絕對值意義上看起來像是相當大的關係。也許我存在一些非常根本的誤解。另一種可能性是存在某個截止點，在該截止點對角線項會被忽略。但我會建議一個混淆因素，其順序如下
回覆：在 R 和 JMP 中評估設計矩陣的混雜性有不同的答案另一件小事是，由於某種原因，如果你將主要影響放在別名項中，你會看到在顏色圖相關性中重複出現的因素。如果刪除它們並將別名項目留空，您將看不到別名矩陣，但顏色圖關聯現在只顯示一個副本。漏洞？
回覆：在 R 和 JMP 中評估設計矩陣的混雜性有不同的答案
這是另一個圖像，在模型項中使用了主效應，並在別名項中添加了主效應和二階交互作用。您可以在顏色圖關聯中看到 2 階與 2 階的暗塊。但主效應與主效應以及主效應與二階效應的顏色大致相同，為淺灰色。那麼，為什麼別名矩陣列出主效應與對角線外主效應的 0，而主效應與二階的卻列出各種數字呢？我再次確信這只是我無法理解的事。
回覆：在 R 和 JMP 中評估設計矩陣的混雜性有不同的答案別名矩陣反映當您不包含模型中的術語時會發生什麼情況。渲染並不完全正確，但您會看到，如果您的“Z”（即反映別名項目的列）與您的模型項目相同，您將獲得您所看到的單位矩陣。
https://community.jmp.com/t5/RD-Blog/What-is-an-Alias-Matrix/ba-p/30448
當您擬合模型時，模型項之間的相關性（您不需要在別名項中看到它們）將產生參數估計的標準誤差。估算效率大綱可以幫助您了解，與使所有這些影響完全正交相比，它會大多少：
https://www.jmp.com/support/help/en/18.1/index.shtml#page/jmp/estimation-efficiency.shtml
我喜歡使用顏色圖來快速查看設計的屬性，而當我考慮哪些術語在模型中，哪些不在時，則使用估計效率/別名矩陣。
