如何比较两个 DoE/响应曲面之间的结果？嘿，
我一直在使用 DoE 来表征不同的反应器，以建立相同的单响应 y 与两个独立参数 x1、x2 之间的相关性/方程。每个反应器的 DoE 和数据分析不是用 JMP 设计的，而是用 Python 设计的。
现在，我想用 JMP 获取一个反应器的相关性，并与其他反应器进行统计比较，评估差异和相似性……。例如，我考虑过叠加曲面图，但想探索 JMP 的功能。Python 为每个反应器在 x1、x2 和 y 轴上生成了表格。由于 DoE 最初不是在 JMP 中设计的，所以我找不到任何教程来开展这样的比较。我直接拿到了结果。
我如何将数据输入 JMP 并进行比较？
谢谢
高级统计建模基本数据分析与建模数据访问数据探索与可视化实验设计预测模型和机器学习回复：如何比较两个 DoE/响应曲面之间的结果？我们先来了解一下响应数据的实际收集方式，因为这在很大程度上有助于确定建议的分析路径。数据是在设计实验的背景下收集的吗？您提到使用 Python 而不是 JMP 来设计实验。我不太明白这是什么意思。“反应器”在设计中是如何被处理成因子类型的？如果真的被处理了，是直接作为分类因子吗？还是一个区组因子？反应器之间可能还存在哪些其他干扰变量？例如，每个反应器使用的原材料是否相同？我们曾经在地球另一端的“反应器”上进行实验，试图比较“反应器”的效果……但我们不可能拥有完全相同的原材料，更不用说相同的操作员、相同的测量系统等等了。
这些数据是“偶然数据”吗？换句话说，你是不是刚刚从多个流程运行中收集了制造数据，现在正试图从中榨取信息/洞见？这在制造数据中很常见……嘿，这些数据几乎是“免费的”！我们不妨试试，看看能发现什么！
所有这些问题都会导致选择合适的分析路径。但无论上述问题的答案如何……我对分析的建议是从简单的数据可视化开始，这有助于回答手头的实际问题。人们总是倾向于直接跳到某种建模，而忽略/跳过JMP更简单的可视化平台，例如图形生成器、分布和X拟合Y。
最后一个“问”...您可以分享您的数据集吗...即使它是匿名的？
回复：如何比较两个实验设计/响应曲面的结果？嘿，巴特尔，
感谢您的解答。我同意应该尽量简化比较过程。或许可以先学习如何将反应器 1 (R1) 和反应器 2 (R2) 的响应曲面重叠，以便可视化并评估 x1 和 x2 下的响应空间。接下来或许可以进行 t 检验，以评估 R1 和 R2 中 y 值的差异。
关于您的问题，我们使用实验设计 (DoE) 方法，在同一设计空间内分析了 A 工厂的 R1 和 B 工厂的 R2（体积和温度相同）。x1 和 x2 的值相近。显然，由于实验是在两个不同的工厂进行的，因此许多因素并不完全相同。每个表征都包含 6 到 9 次运行。
由于 DoE 的设计和响应值的计算是在 JMP 之外完成的，我想使用您的软件来完成比较结果的最后一步。
我的目的是评估 A 站点和 B 站点之间的反应差异。
感谢您对此事的任何意见。:)
回复：如何比较两个实验设计/响应曲面的结果？JMP针对这类问题和数据提供了许多选项和工作流程。到目前为止，你提供的信息并没有偏离我在最初回复倒数第二段中提出的建议。这样做可以让你在创建响应面之前，先深入了解你的实际问题。我建议你至少探讨以下五个问题：
1. 每个“x”的响应的中间位置在哪里？
2. 每个“x”的响应形状是什么？
3. 每个“x”的回答分布有多分散？
4. 按实验执行顺序绘制响应图。
5. 是否存在任何看起来可疑、奇怪、出乎意料或不寻常的响应数据，可能会使后续建模更加困难？如果存在，您将在后续分析和报告中如何处理这些数据？
对于第 4 题，可以使用简单的运行图；对于其他题目，可以使用 Fit Y by X 平台。Graph Builder 也可以。
一旦进入建模阶段（我假设您已经有了“有用的”模型），JMP 预测和轮廓分析器对于进一步的响应面可视化和比较将非常有价值。
回复：如何比较两个实验设计/响应曲面的结果？我有点困惑……为什么不使用“您的”软件进行比较呢？（“由于实验设计和响应值计算是在 JMP 之外完成的，我想使用您的软件来完成最后一步的结果比较。”）如果您能提供数据表，就更容易给出建议了。
此外，这句话也不对：“关于您的问题，A 站点的 R1 和 B 站点的 R2（体积和温度相同）是在同一设计空间中进行分析的。”它们不可能相同！我也进行过许多包含反应器的实验。反应器本身不是一个因子，但很可能与区组混淆。分析时应考虑区组平均值。您可以将区组添加到模型中（以及区组与因子的交互作用）。我经常发现因子效应（在您的情况下为 X1 和 X2）取决于反应器（区组与因子的交互作用）。
