改进（定制）筛选设计以减少实验次数尊敬的JMP社区成员：
我想对一种生化反应（酶活性测定）进行表征和优化。因此，我计划先进行筛选，寻找相关因素。目前，我决定筛选8个因素（2个两水平分类因素，1个三水平分类因素，5个连续因素）。
我熟悉经典的两水平筛选，但之前从未使用过自定义设计。我的问题在于我的三水平分类因子。这也是我选择自定义设计的原因，但它似乎大大增加了所需的实验次数。仅主效应就需要大约 20 次实验，而主效应和双因子交互作用（每个因子的功效均超过 0.8）则需要超过 50 次实验。
还有其他折衷方案吗？我考虑过通过预测试移除三级分类因子中的一个级别，目前只关注主效应，或者接受检验效能较低的方案。
非常感谢！
（JMP 版本：学生版 18）
实验设计回复：改进（定制）筛选设计以减少实验次数当然，您几乎没有提供任何关于情况的信息（例如，响应变量、因子），因此无法给出具体的建议。我的第一个问题是，为什么选择三水平分类变量（这似乎也是您的疑问）？每当您选择超过两个水平时，我都会问自己：您是想“选出最佳变量”，还是对因子效应感兴趣，以便进行进一步研究？在这三个水平中，您能否选择两个极端水平来揭示该因子的影响？我不建议进行预测试，因为考虑到潜在的交互作用（推断空间问题），预测试得出的结论可能并非“最佳”。在某种程度上，您已经将研究偏向于三水平因子（自由度更多），而且为什么要估计分类因子的二次效应……这毫无意义。在两个极端水平上进行测试。如果结果显著，则在后续实验中微调水平。
我的部分建议：设计多个方案（用 JMP 很容易做到），并针对每个方案进行思考。你会得到什么？（例如，可以估计哪些效应？哪些效应是混杂的？哪些效应不在研究范围内？）每个方案需要多少资源？比较潜在知识获取量与资源需求。预测所有可能的结果（而不仅仅是你认为会得到的结果）。预测针对每种可能结果你需要采取的措施。运用这种思考过程，选择一个实验并进行运行。分析结果，并不断迭代。
“你设计出的最佳设计，就是你在运行之后重新设计的版本。”——罗斯
没有人知道正确的设计……如果你知道，你可能根本不需要运行它。
顺便问一下，功效计算的前提是您实际了解响应变量的方差。您知道吗？
回复：改进（定制）筛选设计以减少实验次数尊敬的@statman ，
谢谢！当然，我可以提供更多信息：
酶活性是我的响应变量，它基本上是指反应进行得如何。
所有因素均为影响反应的参数：
- 连续5次测量，包括高低水平：pH值、温度、组分A、B和C的浓度
- 1x 两级分类：组件 A 的类型（级别：类型 A.1 或 A.2）
- 1x 三级分类：组件 B 的类型（级别：类型 B.1、B.2 或 B.3）
- 1x 两级分类变量：是否存在另一个成分 D（级别：是和否）
希望我解释清楚了。
所以我选择了三级分类因子，因为我需要检查所有三种类型的B组分。我想了解B组分的类型是否相关，以及我应该选择哪一种来更详细地研究其影响（“优胜者”）。此外，我还想确定A组分和B组分浓度的影响，为此我选择了分类因子来表示组分类型，选择连续因子来表示组分浓度。
好的，我会设计多个方案并比较结果。是的，我已经通过实验确定了响应的方差。
回复：改进（定制）筛选设计以减少实验次数改变其中一种组分（例如 A、B 或 C）的浓度是否会影响另一种组分的浓度？如果会，您可能需要采用混合设计。再次强调，正如您在第一篇帖子中建议的那样，第一个实验策略是筛选。您无需测试 B 的所有水平来确定是否应该进一步研究该变量。在筛选阶段，只需测试三个水平中的极端值即可。
回复：改进（定制）筛选设计以减少实验次数不，改变其中一种成分的浓度不会影响其他成分的浓度。关于成分B：不存在极端情况。不同的浓度水平只是不同类型的B，无法进行“排序”。
谢谢！
回复：改进（定制）筛选设计以减少实验次数所以你对哪个水平最好或哪个水平最差没有任何假设（或预测）吗？……或许你应该在实验之前研究一下这个因素及其各个水平的理论化学/物理机制？
回复：改进（定制）筛选设计以减少实验次数嗨@CurseOfCluster6 ，
欢迎加入社区！
我想就您的问题提供一个不同但又互补的回答，以帮助您了解自身情况和可能的选择。
- 首先，关于 3 级分类因子，如果您处于筛选阶段，我建议像@statman一样（如果可能的话）将级别数减少到 2，只保留成分 B 中最具差异性的类型。
您是否已经有一些初步测试可以帮助您区分各个水平？或者，您是否已经对这些组分进行了表征，以便选择两个差异最大的组分（基于化学/物理参数、分子描述符等）？在三水平的情况下，通常最终会有两个水平非常相似，对响应的影响也相似；很少会发现三个水平对响应的影响截然不同。根据您能否将水平数减少到两个，您可能会有更多或更少的设计方案可供选择。
- 根据您的因子、水平和筛选目标（侧重于主效应估计），您需要估计 9 个（如果保留分类因子的 3 个水平，则为 10 个）项。根据您的实验预算以及您希望结果达到的置信度和确定程度，筛选设计可以为您提供至少 10 到 20 个（甚至更多）实验方案。
- 以下是一些可供考虑的设计方案：
关于你渴望达到某种权力，权力只有在以下情况下才有意义：
- 您知道需要检测的信号强度。
- 您对实验和响应测量噪声（RMSE）的估计相当准确。
否则，最好在不同设计之间比较功耗（和其他设计诊断指标）。
以下是一些与权力问题相关的帖子：
在进行实验设计时，是否应该考虑功效分析？
母鹿和力量
功率只是可用于评估您设计的众多指标和诊断方法之一。我强烈建议您通过查看相关性颜色图来比较不同的设计，以了解哪些效应可能存在相关性和混叠，并尝试找到具有最佳估计效率、最低预测方差（设计空间比例图和预测方差曲线）以及最佳 D-最优性设计诊断的设计。
希望这个回答对您有所帮助。
回复：改进（定制）筛选设计以减少实验次数亲爱的@Victor_G ，
非常感谢您的详细回复！
正如@statman所建议的那样，我将尝试根据其理论特性删除三级分类因子中的一个级别。
如果这种方法可行，混合模型听起来是一个非常有趣的解决方案，我们将尝试根据您提到的诊断变量比较多个变体。
回复：改进（定制）筛选设计以减少实验次数我还有一个问题，想补充之前大家提出的精彩见解。你们的分类二元因子之一是“是”和“否”。为什么不把它改成连续因子，将低水平设为零，高水平设为“是”的水平值呢？
回复：改进（定制）筛选设计以减少实验次数完全赞同@louv 的提议！可以将“是/否”分类因子改为具有 0 和（最大值）两个水平的连续因子。在混合水平筛选设计（或类似设计方法）中，这种因子类型的改变可以提升信息质量，因为在这种设计中使用连续因子不仅可以估计主效应（如同分类因子一样），还可以检测交互效应和二次效应（如果这些效应足够大）。
即使对于涉及化学类型/分子等分类因素，例如组分 A 和 B 的不同化学性质，也有很多方法可以将分类空间（包含不同的分子、催化剂化学类型等）转换为连续空间（包含分子描述符、物理/化学性质等）。此处已讨论过此选项。
关于如何高效地对一个多级（3级以上）分类变量和多个连续变量进行实验设计，可以在以下演讲中找到：
希望这些建议能对您有所帮助。
回复：改进（定制）筛选设计以减少实验次数是的，好建议。这就是为什么在进行实验之前需要了解具体情况（情况诊断）。然后问题又回到化合物本身……它们之间到底有什么区别？它们是化学化合物吗？那么你可能是在研究某些化学物质的比例或百分比。你假设哪些比例或百分比是活性成分？……诸如此类的问题还有很多。
