如何比較兩個 DoE/響應曲面之間的結果？嘿，
我一直在使用 DoE 來表徵不同的反應器，以建立相同的單響應 y 與兩個獨立參數 x1、x2 之間的相關性/方程式。每個反應器的 DoE 和資料分析不是用 JMP 設計的，而是用 Python 設計的。
現在，我想用 JMP 取得一個反應器的相關性，並與其他反應器進行統計比較，評估差異和相似性…。例如，我考慮過疊加曲面圖，但想探索 JMP 的功能。 Python 為每個反應器在 x1、x2 和 y 軸上產生了表格。由於 DoE 最初不是在 JMP 中設計的，所以我找不到任何教程來進行這樣的比較。我直接拿到了結果。
我如何將資料輸入 JMP 並進行比較？
謝謝
進階統計建模基本資料分析與建模資料存取數據探索與視覺化實驗設計預測模型和機器學習回覆：如何比較兩個 DoE/響應曲面之間的結果？讓我們先來了解一下回應資料的實際收集方式，因為這在很大程度上有助於確定建議的分析路徑。數據是在設計實驗的背景下收集的嗎？您提到使用 Python 而不是 JMP 來設計實驗。我不太明白這是什麼意思。 「反應器」在設計上是如何被處理成因子類型的？如果真的被處理了，是直接當分類因子嗎？還是一個區組因子？反應器之間可能還存在哪些其他幹擾變數？例如，每個反應器使用的原料是否相同？我們曾經在地球另一端的「反應器」上進行實驗，試圖比較「反應器」的效果……但我們不可能擁有完全相同的原材料，更不用說相同的操作員、相同的測量系統等等了。
這些數據是「偶然數據」嗎？換句話說，你是否剛剛從多個流程運行中收集了製造數據，現在正試圖從中榨取資訊/洞見？這在製造數據中很常見……嘿，這些數據幾乎是「免費的」！我們不妨試試，看看能發現什麼！
所有這些問題都會導致選擇合適的分析路徑。但無論上述問題的答案如何…我對分析的建議是從簡單的資料視覺化開始，這有助於回答手邊的實際問題。人們總是傾向於直接跳到某種建模，而忽略/跳過JMP更簡單的視覺化平台，例如圖形生成器、分佈和X擬合Y。
最後一個“問”...您可以分享您的資料集嗎..即使它是匿名的？
回覆：如何比較兩個實驗設計/反應曲面的結果？嘿，巴特爾，
感謝您的解答。我同意應該盡量簡化比較過程。或許可以先學習如何將反應器 1 (R1) 和反應器 2 (R2) 的反應曲面重疊，以便視覺化並評估 x1 和 x2 下的反應空間。接下來或許可以進行 t 檢定，以評估 R1 和 R2 中 y 值的差異。
關於您的問題，我們使用實驗設計 (DoE) 方法，在同一設計空間內分析了 A 工廠的 R1 和 B 工廠的 R2（體積和溫度相同）。 x1 和 x2 的值相近。顯然，由於實驗是在兩個不同的工廠進行的，因此許多因素並不完全相同。每個表徵包含 6 到 9 次運行。
由於 DoE 的設計和回應值的計算是在 JMP 之外完成的，我想使用您的軟體來完成比較結果的最後一步。
我的目的是評估 A 站點和 B 站點之間的反應差異。
感謝您對此事的任何意見。:)
回覆：如何比較兩個實驗設計/反應曲面的結果？JMP針對這類問題和資料提供了許多選項和工作流程。到目前為止，你提供的資訊並沒有偏離我在最初回覆倒數第二段中提出的建議。這樣做可以讓你在創建響應面之前，先深入了解你的實際問題。我建議你至少探討以下五個問題：
1. 每個「x」的反應的中間位置在哪裡？
2. 每個「x」的反應形狀是什麼？
3. 每個「x」的回答分佈有多分散？
4. 依實驗執行順序繪製響應圖。
5. 是否存在任何看起來可疑、奇怪、出乎意料或不尋常的反應數據，可能會使後續建模更加困難？如果存在，您將在後續分析和報告中如何處理這些數據？
對於第 4 題，可以使用簡單的運行圖；對於其他題目，可以使用 Fit Y by X 平台。 Graph Builder 也可以。
一旦進入建模階段（我假設您已經有了「有用的」模型），JMP 預測和輪廓分析器對於進一步的響應面視覺化和比較將非常有價值。
回覆：如何比較兩個實驗設計/反應曲面的結果？我有點困惑…為什麼不使用「您的」軟體來比較呢？ （「由於實驗設計和回應值計算是在 JMP 之外完成的，我想使用您的軟體來完成最後一步的結果比較。」）如果您能提供數據表，就更容易給出建議了。
此外，這句話也不對：「關於您的問題，A 站點的 R1 和 B 站點的 R2（體積和溫度相同）是在同一設計空間中進行分析的。」它們不可能相同！我也進行過許多包含反應器的實驗。反應器本身不是一個因子，但很可能與區組混淆。分析時應考慮區組平均值。您可以將區組加入模型中（以及區組與因子的交互作用）。我經常發現因子效應（在您的情況下為 X1 和 X2）取決於反應器（區組與因子的交互作用）。
