改進（客製化）篩選設計以減少實驗次數尊敬的JMP社群成員：
我想對一種生化反應（酶活性測定）進行表徵和優化。因此，我計劃先進行篩選，尋找相關因素。目前，我決定篩選8個因素（2個兩水平分類因素，1個三水平分類因素，5個連續因素）。
我熟悉經典的兩水平篩選，但之前從未使用過自訂設計。我的問題在於我的三水平分類因子。這也是我選擇自訂設計的原因，但它似乎大大增加了所需的實驗次數。光是主效應就需要大約 20 次實驗，而主效應和雙因子交互作用（每個因子的功效都超過 0.8）則需要超過 50 次實驗。
還有其他折衷方案嗎？我考慮過透過預測試移除三級分類因子中的一個級別，目前只關注主效應，或接受檢驗效能較低的方案。
非常感謝！
（JMP 版本：學生版 18）
實驗設計回覆：改進（客製化）篩選設計以減少實驗次數當然，您幾乎沒有提供任何關於情況的資訊（例如，回應變數、因子），因此無法給出具體的建議。我的第一個問題是，為什麼選擇三水平分類變數（這似乎也是您的疑問）？每當您選擇超過兩個水平時，我都會問自己：您是想“選出最佳變數”，還是對因子效應感興趣，以便進行進一步研究？在這三個水平中，您能否選擇兩個極端水平來揭示該因子的影響？我不建議進行預測試，因為考慮到潛在的交互作用（推斷空間問題），預測試得出的結論可能並非「最佳」。在某種程度上，您已經將研究偏向三水平因子（自由度更多），為什麼要估計分類因子的二次效應……這毫無意義。在兩個極端水平上進行測試。如果結果顯著，則在後續實驗中微調水準。
我的部分建議：設計多個方案（用 JMP 很容易做到），並針對每個方案進行思考。你會得到什麼？ （例如，可以估計哪些效應？哪些效應是混雜的？哪些效應不在研究範圍內？）每個方案需要多少資源？比較潛在知識獲取量與資源需求。預測所有可能的結果（而不僅僅是你認為會得到的結果）。預測針對每種可能結果你需要採取的措施。運用這個思考過程，選擇一個實驗並進行運作。分析結果，並不斷迭代。
「你設計出的最佳設計，就是你在運行之後重新設計的版本。」——羅斯
沒有人知道正確的設計……如果你知道，你可能根本不需要運行它。
順便問一下，功效計算的前提是您實際了解反應變數的變異數。您知道嗎？
回覆：改進（客製化）篩選設計以減少實驗次數尊敬的@statman ，
謝謝！當然，我可以提供更多資訊：
酶活性是我的反應變量，它基本上是指反應進行得如何。
所有因素均為影響反應的參數：
- 連續5次測量，包括高低水平：pH值、溫度、組成A、B和C的濃度
- 1x 兩級分類：組件 A 的類型（等級：類型 A.1 或 A.2）
- 1x 三級分類：組件 B 的類型（等級：類型 B.1、B.2 或 B.3）
- 1x 兩級分類變數：是否存在另一個成分 D（等級：是和否）
希望我解釋清楚了。
所以我選擇了三級分類因子，因為我需要檢查所有三種類型的B組分。我想了解B組分的類型是否相關，以及我應該選擇哪一種來更詳細地研究其影響（「優勝者」）。此外，我還想確定A組分和B組分濃度的影響，為此我選擇了分類因子來表示組分類型，選擇連續因子來表示組分濃度。
好的，我會設計多個方案並比較結果。是的，我已經透過實驗確定了響應的變異數。
回覆：改進（客製化）篩選設計以減少實驗次數改變其中一種組分（例如 A、B 或 C）的濃度是否會影響另一種組分的濃度？如果會，您可能需要採用混合設計。再次強調，正如您在第一篇文章中建議的那樣，第一個實驗策略是篩選。您無需測試 B 的所有水平來確定是否應該進一步研究該變數。在篩選階段，只需測試三個水平中的極端值即可。
回覆：改進（客製化）篩選設計以減少實驗次數不，改變其中一種成分的濃度不會影響其他成分的濃度。關於成分B：不存在極端情況。不同的濃度水平只是不同類型的B，無法進行「排序」。
謝謝！
回覆：改進（客製化）篩選設計以減少實驗次數所以你對哪個水準最好或哪個水準最差沒有任何假設（或預測）嗎？ ……或許你應該在實驗之前先研究這個因素及其各個層次的理論化學/物理機制？
回覆：改進（客製化）篩選設計以減少實驗次數嗨@CurseOfCluster6 ，
歡迎加入社群！
我想就您的問題提供一個不同但又互補的回答，以幫助您了解自身情況和可能的選擇。
- 首先，關於 3 級分類因子，如果您處於篩選階段，我建議像@statman一樣（如果可能的話）將等級數減少到 2，只保留成分 B 中最具差異性的類型。
您是否已經有一些初步測試可以幫助您區分各個程度？或者，您是否已經對這些組分進行了表徵，以便選擇兩個差異最大的組分（基於化學/物理參數、分子描述符等）？在三個層次的情況下，通常最終會有兩個層次非常相似，對反應的影響也相似；很少會發現三個層次對反應的影響截然不同。根據您能否將水平數減少到兩個，您可能會有更多或更少的設計方案可供選擇。
- 根據您的因子、水平和篩選目標（側重於主效應估計），您需要估計 9 個（如果保留分類因子的 3 個水平，則為 10 個）項。根據您的實驗預算以及您希望結果達到的置信度和確定程度，篩選設計可以為您提供至少 10 到 20 個（甚至更多）實驗方案。
- 以下是一些可考慮的設計方案：
關於你渴望達到某種權力，權力只有在以下情況才有意義：
- 您知道需要檢測的訊號強度。
- 您對實驗和響應測量雜訊（RMSE）的估計值相當準確。
否則，最好在不同設計之間比較功耗（和其他設計診斷指標）。
以下是一些與權力問題相關的文章：
在進行實驗設計時，是否應該考慮功效分析？
母鹿和力量
功率只是可用於評估您設計的眾多指標和診斷方法之一。我強烈建議您透過查看相關性顏色圖來比較不同的設計，以了解哪些效應可能存在相關性和混疊，並嘗試找到具有最佳估計效率、最低預測方差（設計空間比例圖和預測方差曲線）以及最佳 D-最優性設計診斷的設計。
希望這個回答對您有幫助。
回覆：改進（客製化）篩選設計以減少實驗次數親愛的@Victor_G ，
非常感謝您的詳細回覆！
正如@statman所建議的那樣，我將嘗試根據其理論特性刪除三級分類因子中的一個層級。
如果這種方法可行，混合模型聽起來是一個非常有趣的解決方案，我們將嘗試根據您提到的診斷變數來比較多個變異。
回覆：改進（客製化）篩選設計以減少實驗次數我還有一個問題，想補充之前大家提出的精彩見解。你們的分類二元因子之一是「是」和「否」。為什麼不把它改成連續因子，將低水準設為零，高水準設為「是」的水平值呢？
回覆：改進（客製化）篩選設計以減少實驗次數完全贊同@louv 的提議！可以將「是/否」分類因子改為具有 0 和（最大值）兩個水平的連續因子。在混合水平篩選設計（或類似設計方法）中，這種因子類型的改變可以提升資訊質量，因為在這種設計中使用連續因子不僅可以估計主效應（如同分類因子一樣），還可以檢測交互效應和二次效應（如果這些效應足夠大）。
即使對於涉及化學類型/分子等分類因素，例如組分 A 和 B 的不同化學性質，也有很多方法可以將分類空間（包含不同的分子、催化劑化學類型等）轉換為連續空間（包含分子描述子、物理/化學性質等）。此處已討論過此選項。
關於如何有效率地對一個多層次（3級以上）分類變數和多個連續變數進行實驗設計，可以在以下演講中找到：
希望這些建議能對您有幫助。
回覆：改進（客製化）篩選設計以減少實驗次數是的，好建議。這就是為什麼在進行實驗之前需要了解具體情況（情況診斷）。然後問題又回到化合物本身……它們之間到底有什麼不同？它們是化學化合物嗎？那你可能是在研究某些化學物質的比例或百分比。你假設哪些比例或百分比是活性成分？ ……諸如此類的問題還有很多。
