報告 DOE 結果以供發布你好，
我正在撰寫一份包含實驗設計（Plackett-Burman DOE 和全因子 DOE）的手稿。
然而，我不確定在出版品中報道什麼內容才盡可能透明。
到目前為止，我已經包含了模型指標（R2、調整後的R2、PRESS、模型p值、失擬p值）以及顯著項、交互項及其p值。我認為，當迴歸模型包含顯著的交互項時，報告因子/交互項的參數估計值是沒有意義的（因為這些參數估計值會因交互項而變化）。在這種情況下，最好使用預測刻畫器。然而，預測刻畫器很難在發表中被納入。那麼，我該如何以有意義的方式報告因子及其交互項的結果呢？
我將非常感激您的任何建議。
謝謝
莎拉
實驗設計回覆：報告 DOE 結果以供發布你好@薩拉 ，
不幸的是，要知道如何製作 DoE 出版物是非常困難的，因為學術出版物中的內容差異很大，品質參差不齊——根據我自己出版 DoE 作品的經驗，我對此有一些想法，我相信其他人也會補充。
最重要的規則：假設你的讀者對 DoE 或統計數據一無所知！
儘管它是一種流行的實驗工具，但許多讀者可能尚未接觸過它，這意味著你需要使用視覺化之類的工具來傳達實驗設計（DoE）的作用，並幫助讀者理解。很多作者在這方面做得不好，我最討厭他們在論文中寫出完整的公式：這真的能傳達實驗設計的結果嗎？同樣，當你有其他工具，例如帕累托圖時，參數估計（正如你提到的）之類的資訊就沒那麼重要了。
我將舉幾個例子來說明我是如何展示我的結果的，以便傳達一些向 DoE 展示的方法（你也可以在這裡找到這篇文章）
場景設定——使用簡單的視覺化來展示實驗設計（DoE）的結構以及如何探索這些點——如果因子較多，可以使用圖形生成器或散點圖矩陣來實現——這有助於讀者理解實驗設計（DoE）是一種結構化的實驗方法。同樣，如果使用-、0、+和軸（a、A），用表格來顯示因子的編碼也會很有幫助。
展示你的成果－在你深入研究迴歸模型和更複雜的DoE方法之前，你應該先突出你得到的實際值。在「以X擬合Y」中使用類似Tukey檢定的方法繪製一個簡單的圖表，就能清楚地展示「看看我用DoE方法做了多少東西」——DoE的一大優勢在於它是一種探索實驗區域的結構化方法，之後的建模方法更是錦上添花！在上面的例子中，你可以看到我的「00a」比其他點的效率高得多——實際上，我可以就此打住，因為我已經得到了我想要的！
介紹模型——正如你所提到的，你展示了證明模型充分性所需的基本資訊——根據你的目標期刊，這些資訊應該足以證明你建立了一個好的模型，你可能不需要深入研究（除非你瞄準的期刊非常注重統計）。如果你有像學生化殘差和實際值與預測值之比圖這樣的資料，請務必將它們包含在內，但最好放在補充資料中。
引入建模概念- 帕累托圖可以幫助讀者快速理解並理清術語的重要性，同時也是引入更複雜概念（例如二次曲率 (X1*X1) 和交互作用 (X1*X2)）的絕佳方式。讀者可以快速看出“藍線代表良好”，並了解哪些術語的重要性較低。這是一個很好的切入點，可以將其與你對系統的理解聯繫起來，例如，氮對生產至關重要，因為本文中使用的生物體依賴氮來生長。這有助於表明你不僅僅是在運行統計實驗方法，而是在利用它來更好地理解你的系統。
結合多種方式展示你的表面- 我個人非常喜歡預測刻畫器，它能很好地展示你的系統及其運作方式，但正如你提到的，靜態展示時效果會不太理想 - 如果你的系統比較簡單，你可以用不同的設置展示預測刻畫器的不同畫面。我在這裡展示了最佳狀態下的預測刻畫器（它顯示了我的因子的形狀），並將其與等高線圖結合起來，以便更好地理解我的系統。小貼士 - 如果你將等高線圖的因子設定與預測刻畫器相同，那麼高網格與表面「相交」的區域（我添加了白色高光）會在預測刻畫器上反映出表面！
考慮在 JMP Public 上分享您的結果 -越來越多的出版物提供對構成結果部分的數據的訪問權限（這很棒！），我個人非常喜歡將我的結果發佈到 JMP Public 並將其包含在我的文章中 - 這讓讀者有機會實際使用預測分析器並下載可用的數據（這裡是我如何分享我的結果的一個例子）。
我希望這對您有所幫助，並祝您審核階段順利！
謝謝，
本
回覆：報告 DOE 結果以供發布你好@薩拉 ，
如果不知道您的出版品面向哪個期刊或讀者群，我們很難為您提供協助。另外，您出版這份出版品的目的又是什麼？它的保密性/開源程度如何？
根據回饋，您能提供給讀者的最佳方案是（以附件的形式）提供完整的資料集，包括所有輸入和回應、預測回應，以及您可能對資料進行的任何處理或決策（例如，轉換、處理或排除異常值等）。這樣，您就能提供所有訊息，從而使您的發現和工作具有可重複性。
關於您的評論：
@薩拉寫道：
我認為，當您有一個包含顯著交互項的迴歸模型時，報告因素/交互作用的參數估計值是沒有意義的（因為這些參數估計值會因交互作用而改變）。
我強烈反對。參數估計有助於評估因素對你的反應的實際重要性（效應大小）。統計顯著性不足以理解一個模型是否充分、可靠且實用。你需要同時理解模型和結果。
請參閱哪一個來定義效應大小：Logworth 估計還是尺度估計？討論以獲取有關實際意義和統計意義之間的差異的更多解釋。
順便說一句，確保建模結果的可重複性也是一個很好的做法。
關於預測分析器，如果您想分享它，您可以提供一個互動式 HTML 檔案或將分析器嵌入到網頁（網站或 JMP Live）中。
我仍然會考慮提供模型的有用的「靜態」視覺化，例如效應大小圖（以條形圖形式）、熱圖（如果您想查看因素對多個響應的影響）、相關圖（針對您的響應）、表面圖、散點圖...您可以使用 JMP 做很多事情來可視化您的模型結果。
希望這個答案能對你有幫助，
回覆：報告 DOE 結果以供發布@Victor_G
假設您的模型中的項 X1 和 X2 之間存在交互作用，並且您報告了 X1 和 X2 的參數估計值，但由於交互作用，這些估計值（即斜率係數）可能會發生變化，例如從正斜率變為負斜率，具體取決於與其交互作用的其他因素的水平，那麼您為什麼要報告參數估計值呢？
回覆：報告 DOE 結果以供發布我不明白你的意思。
無論X1和X2的水平如何，交互效應仍然具有相同的係數值（如果這兩個因素是連續的）。
如果您的一個（或多個）因素是分類/序數的，則可以透過顯示模型的擴展估計值來提供每個分類等級的交互效應值：
希望這能澄清我的觀點，
回覆：報告 DOE 結果以供發布@Victor_G
當然，無論 X1 和 X2 的水平如何，交互項都具有相同的係數值，但主要項（X1 和 X2）的係數值將具有不同的值，這取決於另一個因子的水平，對嗎？
回覆：報告 DOE 結果以供發布不，我認為對特定位置的斜率（取決於因子的水平）和該因子的主效應之間存在誤解。斜率會根據響應面的位置而變化，但主效應估計值不會改變。
回覆：報告 DOE 結果以供發布@SaraA，你可以把參數估計值放在補充資訊裡，供有興趣的人參考——如果你像我一樣在生物技術開發之類的期刊上發表文章，那麼把它們放在正文裡對目標讀者來說沒什麼用（在我看來）。至於係數，係數指的是預測變數每變化一個單位（假設其他變數不變），反應的變化量－你會在預測公式中看到這些完全相同的值。
謝謝，
本
回覆：報告 DOE 結果以供發布關於交互作用，還有一點要注意：固有設計本身是否存在混雜效應……換句話說，設計中是否存在任何碎片化，交互作用是否真的可以估計？另一種失敗模式是，例如，如果你失去了一些處理組合，某些效應可能無法估計。但是，如果實驗執行之神對實驗執行感到滿意，並且一切按計劃進行，那麼顯示交互作用的另一種方法是包含擬合模型報告和交互圖報告。詳情請見： 交互圖。它不如預測刻畫器那麼令人印象深刻……但也能完成工作。
回覆：報告 DOE 結果以供發布@Ben_BarrIngh
就其意義而言 - 係數是預測變數每變化一個單位時反應的變化量（假設其他變數保持不變）
這正是我的觀點——當存在交互作用時，你不能將一個項改變一個單位，而其他項由於交互作用而保持不變。如果將項 X 改變一個單位，項 Y 也會隨之改變（如果 X 和 Y 之間有交互作用）。這就是為什麼我被教導說，當存在顯著的交互作用項時，報告主效應的參數估計值是沒有意義的。
回覆：報告 DOE 結果以供發布報告係數不是問題，解釋結果才是。如果交互作用顯著，那麼你必須謹慎解釋交互作用中涉及的主效果。
回覆：報告 DOE 結果以供發布@Ben_BarrIngh
在哪裡可以找到有關如何製作此處顯示的前 2 張圖表的更多資訊？
回覆：報告 DOE 結果以供發布你好@薩拉 ，
對於第一個，我使用圖形產生器來繪製點，然後我使用 PowerPoint 以相同的顏色繪製正方形和圓形的形狀。
對於第二個，您可以使用 Fit Y by X，其中 X 是您的“模式”，Y 是您的回應 - 然後我使用 Tukeys 檢定進行了平均值比較以顯示比較圈。
希望有幫助！
本回覆：報告 DOE 結果以供發布嗨，本，
非常感謝。最後一個問題：如何在 REML 分析後產生縮放估計圖？ JMP 不知何故無法為混合模型分析產生此圖（雖然它確實提供了參數估計值，但我認為縮放估計值或帕累托圖更直觀）。
謝謝
莎拉
回覆：報告 DOE 結果以供發布你好@薩拉 ，
是的，當 X1 與 X2 存在交互項時，X1 對您的回應造成的變化幅度可能會發生變化（例如，將 X2 保持在較高值可能會完全減少 X1），但參數估計值可以用來顯示一般關係。如果您在討論中對您的系統及其交互作用的工作原理進行了充分的描述，那麼參數估計值可以提供更多詳細資訊。
謝謝，
本
回覆：報告 DOE 結果以供發布你好@薩拉 ，
由於方法的性質，REML 專注於方差分量，並且（與最小二乘法等方法不同）不執行標準化（這是建模工作流程中的預處理步驟）——混合模型和嘗試標準化它們會帶來很多額外的複雜性（您是進行全局標準化還是在組內標準化？如何標準化兩個組之間不同的變量？）。
謝謝，
本
