因子组合分析各位，
我收集了几组包含配方组成信息的历史数据。这些数据涵盖了多个配方阶段，共包含150次实验，涉及35种组分。配方步骤是“逐步”进行的。每次实验中，原材料的百分比以及原材料本身都会发生变化。总共包含150次实验，涉及35种不同的组分。其中，每种配方大约包含10种组分。
我想探究哪些组分组合会导致液体浑浊。我创建了一个外观柱状图（正常/异常），并运行了预测筛选，但这仅适用于或提供关于单个组分的信息，而无法提供组分组合的信息。当我检查那些似乎是罪魁祸首的组分时，我找不到任何明显的规律，但我确信这实际上是多种组分共同作用的结果。
有没有什么工具可以帮助我识别不良的语言组合？
提前感谢各位。
基础数据分析与建模数据探索与可视化回复：因子组合分析我不太确定你的预测变量是如何组合的，以及运行的结构……但据我了解，你的预测变量之间似乎存在高度多重共线性。在这种情况下，或许可以使用偏最小二乘法（PLS）之类的建模方法？对于分类响应变量，你需要使用 JMP Pro 来运行 PLS 判别分析建模平台。PLS 的优势在于，它在数学运算中会创建所谓的潜在结构或变量，从而可以处理 x 之间的多重共线性……然后，该平台中的得分图和其他可视化工具可以帮助你识别对响应变量影响最大的各个 x 变量。
回复：因子组合分析感谢您的回复。由于没有采用实验设计方法，所以没有结构化的实验方案。
我尝试运行主成分分析和预测因子筛选，但结果并不完全一致。此外，由于我的 Y 不是连续变量，因此我无法运行偏最小二乘法 (PLS)。
我附上了一个匿名文件
回复：因子组合分析由于响应变量是二元的，您可以尝试运行逻辑回归分析。如果各因素之间存在高度共线性，JMP Pro 的广义回归可能效果更好。
