协变量和确定性筛查设计你好，
协变量是否也可以与确定性筛选设计一起使用，或者是否仅在定制设计中才有可能？
问候
克劳斯
实验设计回复：协变量和确定性筛选设计你好@NominalGemsbok3 ，
确定性筛选设计只能处理数值连续因素或 2 级分类因素。
在 JMP 帮助中了解有关确定性筛选设计的更多信息。
定制设计可以处理多种类型的因素。
希望这个答案能对你有所帮助，
回复：协变量和确定性筛选设计然而，似乎有一种解决方法，您可以在构建模型效应中直接将协变量作为连续变量添加。
回复：协变量和确定性筛选设计协变量是一种特定类型的因子：“协变量因子的值是在实验之前已知的实验单元的测量值。”
除非协变量水平和因子水平组合与确定性筛选设计所需的组合相匹配（在这种情况下，您只能将它们指定为连续因子），否则您必须使用自定义设计平台。
您可以使用带有协变量的贝叶斯 D 最优设计并获得与 DSD 类似的性能： https://www.linkedin.com/posts/victorguiller_doe-experimentaldesign-datascience-activity-7254386032484184066-VAfN
希望这能澄清答案，
回复：协变量和确定性筛选设计非常感谢——这是一个非常有趣的方法。但我希望您能原谅我需要进一步解释；这个实验非常重要，耗时且昂贵。
一个） “除非协变量水平和因子水平的组合与确定性筛选设计 (DSD) 的要求相匹配...”是什么意思？
在我们的示例中，它看起来像这样：我们的 DSD 中有以下因素和因素水平：
1 0 1 1 1 1 否
1 0 -1 -1 -1 -1 是
2 1 0 1 1 -1 否
2 -1 0 -1 -1 1 是
1 1 -1 0 1 1 是
1 -1 1 0 -1 -1 否
2 1 -1 -1 0 1 否
2 -1 1 1 0 -1 是
1 1 1 -1 -1 0 否
1 -1 -1 1 1 0 是
2 1 -1 1 -1 -1 否
2 -1 1 -1 1 1 是
1 1 1 -1 1 -1 是
1 -1 -1 1 -1 1 否
2 1 1 1 -1 1 是
2 -1 -1 -1 1 -1 否
1 0 0 0 0 0 是
1 0 0 0 0 0 否
2 0 0 0 0 0 是
2 0 0 0 0 0 否
第一列代表一个区块，最后一列代表一个分类变量。
对于每一行（即每次实验运行），我们都有一个相应的测量值，即频率，它明确且唯一地属于该特定运行，我们希望将其用作协变量。
这可以接受吗？
b)我印象中，贝叶斯设计中存在更多不同的相关性。这两种方法得到的结果是否仍然具有可比性或等效性？
回复：协变量和确定性筛选设计你好@NominalGemsbok3 ，
a) 简短回答：可以。
长答案：这取决于这个“协变量”代表什么，取决于你的研究背景：
- 如果这个“协变量”只能在特定因子水平的运行准备完成后才能测量或得知，那么它类似于响应（而不是协变量），因此这种方法似乎是可以接受的。您可以将此度量添加为模型中的“非受控” 因子，但您可能需要在模型中注意因子与“协变量”之间的多重共线性或相关性等问题。
- 如果您可以根据因子水平（根据 JMP 帮助中的定义，为“真实”协变量）评估/计算此协变量值，那么在准备运行之前，我会考虑在设计中直接使用此协变量因子（即使用自定义设计），以确保协变量值在所有其他因子水平组合/运行中保持平衡。
希望这能回答您的第一个问题（如果没有任何背景、更多信息和/或玩具数据集来可视化问题，那么这个问题就很难解决）。
b) 贝叶斯设计有一定的灵活性，具体取决于您能承受的运行次数以及所选的最优性准则。对运行次数的限制越多（运行次数越少），效应项之间的相关性就越强。
关于主效应和交互效应之间可能存在的相关性，我尝试了 D 和 Alias-Optimal 设计，针对 5 个连续因子、1 个两级分类因子和 1 个区块效应（每个区块运行 2 次），运行 30 次（所有交互效应可估计性均设置为“ 如果可能”），相关图显示主效应和交互效应之间没有相关性：
区组效应与主效应、区组效应与交互效应之间仍然存在一些微小的相关性。
请注意，在这种情况下，仅针对主效应的设计至少需要 14 次运行，而针对主效应 + 交互作用的设计则至少需要 44 次运行。贝叶斯 D 最优设计能够在运行规模方面拥有灵活性，同时保留检测交互作用的可能性。
希望这个答案能澄清你的问题，
回复：协变量和确定性筛选设计好的，让我更精确地解释一下。我们有五个连续因子和一个分类因子，以及20次实验，也就是20种不同的因子水平组合（我们无法在第一步中进行更多实验）。对于每一种组合（也就是20次实验中的每一次），我们都会在初步测试中确定一个特定的量（对象的固有频率）。这个值无法控制；我们只能照搬它。它不可控，但某种程度上是由因子水平的组合产生的，因此必须分配给特定的组合。因此，对于组合1，对应的固有频率是X1（且只有X1）；对于组合2，对应的固有频率是X2，依此类推。因此，由于这些值必须唯一地分配给特定的组合，我不明白JMP在这里还能平衡什么。您能再解释一下吗？
回复：协变量和确定性筛选设计好的，在这种情况下，您处于我答案中a)点描述的第一种情况。您无法在设计中平衡这些值，因为您事先不知道这些值，所以这个因素是不受控制的，就像实验期间记录的环境温度一样，而不是协变量。
您可以创建任何您想要的设计并记录这些值，然后在模型中添加这个不可控的因素效应。
回复：协变量和确定性筛选设计抱歉，你对协变量的定义是从哪里来的？这些值在实验前不必知道。协变量是一个可测量的独立噪声变量（一个人们不愿控制的因素），它会在实验过程中发生变化。它与 Y 值共变。由于它是一个随机变量，为了分析它，你必须将它添加到模型中。这需要你创建一个混合模型（模型中既包含固定效应，也包含随机效应）。
回复：协变量和确定性筛选设计你好@statman ，
我已在回复中列出了协变量定义的来源，请参阅与因子类型定义相关的 JMP 帮助： https://www.jmp.com/support/help/en/18.2/#page/jmp/factors.shtml
您描述的情况在 JMP 中被称为“非受控因子”。我只是为了避免混淆或误解才使用了相同的术语，希望您能理解。
最好的，
回复：协变量和确定性筛选设计抱歉，我没有看到来源。但这并不是协变量最被接受的定义。它并不要求“协变量的值必须先验已知”。协变量必须被识别和测量。
