问题一：DOE模型分析
评论：
@Phil_Kay
@Victor_G ：逐步选择可能不是推荐的默认方法。
它作为指南和比较很有用，但我更愿意将结果与 GenReg 和其他平台进行比较
栅格图还可以帮助查看许多模型中术语包含的频率，以了解它们的比较情况： https://community.jmp.com/t5/JMP-Wish-List/Raster-plots-or-other-visualization-tools-to-help-model/idi-p/730968
@bdclark23 : 多种模型方法具有大量证据，这些证据在不同的模型中一致显示出相同的效果，但每个模型都有自己的偏见和假设。
问题 2：应用约束的“协变量方法”
评论
@Victor_G ：关于约束：
@Ryan_Lekivetz :
@Phil_Kay : 我最近也在 LinkedIn 上发布了关于此内容的帖子： ?utm_source=share&utm_medium=member_desktop&rcm=ACoAAAGJ9cABNhzDhYBtevawkkMdSNm3keFRm68
喜欢这个讨论。跳到技术答案相对容易。但质疑“为什么”也很重要。
@Chandramouli_R :
视频 3：全因子设计：您推荐多少个中心点？
@Phil_Kay : 我之前也发布过有关中心点的帖子： ?utm_source=share&utm_medium=member_desktop&rcm=ACoAAAGJ9cABNhzDhYBtevawkkMdSNm3keFRm68
@Victor_G : 中心点可以帮助检测曲率，但无法估计几个二次效应
问：如何在自定义设计中添加中心点？
一个： 
@Victor_G : 关于范围设计及其作为检查设计空间的初步运行的用途：
视频 4：如何在不改变实验设计的情况下重置/删除简易 DoE 中的因素？
评论：
@Chandramouli_R :
@Victor_G :
- 在“analysieren”中，您可以选择模型内外的影响
- 标签“分析”--> 尝试“最佳模型”
- 或者使用 JMP 数据表和结果通过“拟合模型”创建自定义模型
@Jonas_Rinne ：我认为你也可以通过进入 Easy DOE 中的灵活模式来实现这一点
@Victor_G ：请单独回复。但我认为有很多资源可以帮助您创建和比较模型。
OFAT 没有模型支撑，只是一种比较方法，因此对指导决策帮助不大
视频 5：使用 DOE 的分析文化
评论：
@Uwe_Weber : 使用 Profiler，他们就会明白
@anchildress : 在 Eastman，当我们专注于与客户建立关系时，我们取得了最大的成功，从小事做起，建立对您和您的技术的信任。一旦他们看到一些成功或与同事一起成功的 DOE，他们可能会更加信任 DOE。
成果和成本节省是最有说服力的技术
@DB1 : 改变文化：耐心。从各个方面着手。如果你能说服一位科学家或工程师，他们就能比我们更能说服他们的队友相信 DOE 的用途。正如 Bea 所说，如果公司中一个真正优秀的 DOE 数据集能够巧妙地使用并针对受众，那么它就能说服很多人。
感谢@maria_astals的录音！
一些评论详细阐述了昨天讨论的观点：
- 逐步选择
逐步回归在设计实验中可能会出现问题，因为它：
- 忽略了 DoE 的实验结构：层次原则、稀疏性原则，有时还有遗传原则，但最后一个原则可以在广义回归平台中强制执行，
- 创建有偏差/膨胀的参数估计，因为这些项主要是根据其大小/效应大小来选择的，
- 由于未经调整的多次测试，增加了假阳性的风险（检测到非活性效应的概率），
- 提供不可靠的 p 值，因为它们既可以用于术语选择，也可以用于估计统计检验，
- 不能解决多重共线性问题，这可能是设计中的术语之间存在强别名/相关性的问题，以及/或者在混合设计的情况下，
- 完全忽略与生成的设计相关的假设模型。
可能还有其他原因，可以很容易地找到有关此主题的一些文献和讨论：
SP0016 逐步还是不逐步？多变量建模的注意事项 | 风湿病年鉴
使用逐步回归来解决多重共线性并不合适 - PMC
为什么我们讨厌逐步回归 | 统计建模、因果推断和社会科学
回归中逐步选择变量是邪恶的。
逐步选择仍可作为基准模型，如果因子数量不是太多，则“所有可能的模型”选项可能会很有趣，可以查看不同模型在术语选择和估计方面的一致和不一致之处。但模型比较和选择应以设计背后的假设模型和领域专业知识为指导。
社区中与 DoE 数据的逐步方法相关的一些讨论和帖子：
如何同时拟合具有不同项的两个模型
使用常规（非专业）JMP 进行混合 DOE 分析的向后回归？
用逐步回归分析混合物 DOE
DoE 模型问题增强
适合确定性筛选与逐步（最小 AICC）模型选择
- 约束
您可以通过两种方式添加约束：
- 通过“定义因子约束”面板添加约束和限制，将根据约束限制设计点的生成，
- 通过直接限制可用于使用候选集方法生成设计的设计点： 候选集设计：针对问题定制 DOE 约束 (2021-EU-30MP-784)
@Jed_Campbell关于揭开因素约束之谜的博客文章是有关该主题的必读文章。
- 中心点
添加中心点的选择通常与目标和实际原因更相关：检测曲率、确保实验期间的测量稳定性过程、对纯误差/变异性进行估计、在设计空间的中心进行估计（在关于因素空间/质量设计的稳健性分析的背景下）...根据假设的模型和设计类型，可能不需要中心点；经典的设计如中心复合设计和确定性筛选设计有中心点，而计算出的最优设计可能不需要它们。
关于这个主题的一些文献：
5.3.3.7. 添加中心点
中心点：找到数据的数学中心 - isixsigma.com
https://www.statease.com/blog/importance-center-points-central-composite-designs/
以及社区中的一些讨论和帖子：
中心点效应
回复：强制中心点均匀分布在块自定义设计中
在设计中要添加多少个中心点？
@maria_astals作为下次会议的建议，如果可以提前投票并准备好一些主题，那就太好了：由于 DoE 俱乐部是季度会议，我们将有足够的时间创建一个包含不同主题的民意调查，并在下次俱乐部会议之前为它们投票。这将确保更深入的讨论以及主题的更多多样性（也许还有更多的参与/参与）。将准备好/投票的主题与自发的主题/问题相结合可能是未来会议的好主意？
很高兴你能参加会议，Bill @statman 。真的很喜欢向你学习。
