解讀混合物研究我可否請您幫忙解讀一下我的混合料混合料研究結果？我正在研究瀝青的摩擦性能，特別是骨材類型、粗細集料混合比例以及瀝青級配類型的影響。
聚合類型，共 6 種：
- A級（高品質）：A1、A2、A3
- B級（低品質）：B1、B2、B3
骨材混合（粗料和細料部分）
- 混合百分比 粗 A級和B級集料在混合料中的佔比：0%至50%
- 混合百分比 美好的 A級至B級集料在混合料中的佔比：0%至50%
粗細顆粒總和 = 100%
漸層類型，2 種
C型
D型
附件是我的研究.jmp檔案。我對多元迴歸分析比較熟悉，但混合模型這部分讓我很困惑。請問有什麼入門指導嗎？謝謝！
進階統計建模基礎資料分析與建模數據探索與視覺化回覆：解讀混合物研究關於實驗情況提供的資訊不足，無法給出合理的建議（例如，您了解測量系統誤差嗎？摩擦力的變化幅度有多大才算重要？什麼是實驗單位？它是如何測量的？…）。我不明白您為什麼稱之為混合設計？只有兩個因素（骨材和級配類型似乎不是混合因素），而且您使用的是比例而不是細料和粗料的獨立用量。實際上，您有一個可以替代混合設計的方法（沒有好壞之分）。您可以按照典型的部分因子設計進行分析，從您用於設計實驗的模型開始，並使用擬合模型。
好的，我看了一下數據表，但我還是不懂。你的四組分混合料設計中似乎包含了骨材類型？你是不是把這些骨材種類和混合料組分搞混了？
回覆：解讀混合物研究這篇由Marie Guadard撰寫、收錄於JMP圖書館的案例研究或許對您有幫助。
https://community.jmp.com/t5/JMP-Sample-Data/Design-of-Experiments-Example-A-Mixture-of-Mixtures-Design/ta-p/22788
回覆：解讀混合物研究感謝您的評論。我的研究既包含析因設計部分，也包含混合設計部分。
有三個分類因素：
- 聚合類型-A類（等級：A1、A2、A3）
- 聚合類型-B類（等級：B1、B2、B3）
- 漸層類型（等級：C 型、D 型）
然後是兩種混合物，每種混合物都是由兩種組分組成的。
- 聚合混合物，粗粒（A_粗粒 + B_粗粒 = 0.5）
- 聚合混合物，精細（A_Fine + B_Fine = 0.5）
你能解釋一下你說的「你計算的是比例，而不是粗粉和細粉的獨立用量」是什麼意思嗎？我想我沒有計算比例。
- 粗粒（A=0.2，B=0.3）+ 細粒（A=0，B=0.5）= 1.0
因為只有兩種組分，您的意思是說我可以把4個混合變數改成2個連續比例變數嗎？ （A/B_粗粒組分比例和A/B_細粒組分比例）。我以前這樣做的時候，在分析AggType * AggRatio交互作用時遇到了問題。 （如果需要，我可以詳細說明這些問題。）
以下是美國能源部對話的內容。
我不知道這個模型是怎麼變成現在這樣的，但我認為它有一些問題。 (1) 我缺少 AggType 的主效果。 (2) 一些交互項的邏輯性不合理。
- 第一個交互項， 聚合類型，A 類 * 聚合混合物，粗粒 A 類 ，展示了 Class A 聚合類型如何隨其在混合物中的比例而變化。對於混合物中不包含 Class A 的測試運行（Blend Class A=0），其影響將不予考慮。但下一個交互項， 聚合類型，A 類 * 聚合混合物，粗粒級 B ，似乎考察的是完全相同的情況，只是方向相反。混合物的限制條件意味著 B 混合物 = 0.5 - A 混合物。
- 交互項AggBlend，粗粒A級 * AggBlend，粗粒B級似乎完全沒有幫助。這只是 A 混合物和 0.5-A 混合物的交互作用。
如果我憑直覺建構模型，最終會得到以下結果。這樣看起來合理嗎？
回覆：解讀混合物研究謝謝，這篇文章寫得很好。不過，文中的例子嚴格來說是混合變量，而我的情況既包含分類變量也包含混合變量，這就是我遇到的問題。
回覆：解讀混合物研究抱歉，我對您正在考慮的實驗因素並不精通。我的想法是，您是否應該嘗試在一個實驗中完成所有這些步驟，還是採用序貫方法更好？如果您想在析因設計中嵌入混合設計，我建議您閱讀：
Cornell, John A., 1990 “將混合實驗嵌入因子實驗中”，品質技術雜誌，第 22 卷，第 4 期，1990 年 10 月。
回覆：解讀混合物研究這種情況可能經常發生，實驗設計的時間已經過去了。數據已經收集完畢，並且基本上覆蓋了設計空間。但我需要對這些數據進行一些分析。我正在努力在 JMP 中正確設定模型變數/交互項，以適應我的場景。
謝謝你的幫忙。我已經向我們的圖書館員借閱了這篇文章。
回覆：解讀混合物研究我無法也無意對設計及其合理性發表評論。我只是把它當作一個需要分析的資料集。我可能做了一些不恰當的假設，如果是這樣，請忽略這篇貼文。
由於您有兩種不同的混合物，每種混合物包含兩種成分，因此可以簡化問題。我沒有分析總共四種混合物成分（每種混合物兩種），而是忽略了 AggBlend, Course_Class B 和 AggBlend, Fine_Class B 這兩個因子。透過已知 Coarse_Class A 和 Fine_Class A 的值，我們可以確定其他因子。這將大大簡化分析，因為現在我們可以將所有因子視為連續變數。我已修改您的資料表以反映這一點。表格附在此處。
現在我嘗試進行分析。我認為您想要一個包含交互作用的模型，所以我指定了 5 個因子及其所有雙向交互作用，並使用向前逐步迴歸（以最小 AICc 為選擇標準）來尋找模型。數據不支援包含所有雙向交互作用的模型，這就是我使用向前逐步回歸的原因。在我的探索過程中，我發現摩擦力可能存在非恆定方差，因此我創建並使用了摩擦力的對數作為反應變數（嘗試以摩擦力作為反應變數來擬合這些模型，您應該可以看到可能存在的非恆定方差）。請參閱資料表中的「起始模型...」腳本以了解初始狀態。
綜上所述，我找到了一個看起來還不錯的模型。請參閱“可能的最終模型”腳本。它真的好嗎？我不知道。我對資料收集的背景以及背後的科學原理一無所知。然而，我認為我提供的關鍵在於提供了一種不同的思考方式，或許能夠得出易於解釋的結果，因為這只是一個典型的迴歸分析（Scheffe混合模型並沒有什麼特別之處）。
回覆：解讀混合物研究很好的解決方法@Dan_Obermiller ！
通讀這裡的訊息，我不禁懷疑這裡是否真的需要混合設計，因為問題似乎只涉及兩種配方部分，每種部分包含兩種原料。因此，使用連續因子和比例應該足以定義設計。
您提出的分析方法與以下方法非常相似：
使用連續變數和混合變數進行編碼以探索更多輸入空間 (2022-US-45MP-1103) : https://community.jmp.com/t5/Abstracts/Coding-with-Continuous-and-Mixture-Variables-to-Explore-More- ... :本次演講展示如何透過將設計空間的定義從分類因子切換到連續因子，從而獲得更廣泛的推理空間，進而找到解決方案。
我認為你的解決方案思路類似，它透過考慮因子比率而不是使用混合因子和（複雜的）混合模型來簡化模型。如果@bryantw能從領域專家的角度驗證模型，並進行驗證運行，這將進一步提高模型的置信度和可靠性。
回覆：解讀混合物研究嗨，丹，
非常感謝您的回覆。我一直都喜歡簡化分析。我最大的顧慮在於放棄混合方法時邊界處的可解釋性問題。例如，在第二行資料中，粗粒和細粒的混合比例均為 0.0，這表示混合中沒有 A 類集料，全部都是 B 類集料。然而，該行的 A 類集料類型卻顯示為「A1」。即使該混合中完全不包含 A1 類集料，模型的主效應項和交互項中仍會受到 A 類集料類型的影響。即使實際的混合比例沒有改變，分配的骨材類型也可能是 A1、A2 或 A3，模型的預測結果也會隨之改變。
我認為混合模型仍然適用。
