因子組合分析各位，
我收集了幾組包含配方組成資訊的歷史資料。這些數據涵蓋了多個配方階段，共包含150次實驗，涉及35種組成。配方步驟是「逐步」進行的。每次實驗中，原料的百分比以及原料本身都會改變。總共包含150次實驗，涉及35種不同的組成。其中，每種配方約包含10種成分。
我想探究哪些組分組合會導致液體混濁。我創建了一個外觀柱狀圖（正常/異常），並運行了預測篩選，但這僅適用於或提供關於單個組分的信息，而無法提供組分組合的信息。當我檢查那些似乎是罪魁禍首的組分時，我找不到任何明顯的規律，但我確信這實際上是多種組分共同作用的結果。
有沒有什麼工具可以幫助我辨識不良的語言組合？
先感謝各位。
基礎資料分析與建模數據探索與視覺化回覆：因子組合分析我不太確定你的預測變數是如何組合的，以及運行的結構……但據我了解，你的預測變數之間似乎存在高度多重共線性。在這種情況下，或許可以使用偏最小平方法（PLS）之類的建模方法？對於分類反應變量，你需要使用 JMP Pro 來運行 PLS 判別分析建模平台。 PLS 的優點在於，它在數學運算中會創建所謂的潛在結構或變量，從而可以處理 x 之間的多重共線性……然後，該平台中的得分圖和其他可視化工具可以幫助你識別對響應變量影響最大的各個 x 變量。
回覆：因子組合分析感謝您的回覆。由於沒有採用實驗設計方法，所以沒有結構化的實驗方案。
我嘗試執行主成分分析和預測因子篩選，但結果並不完全一致。此外，由於我的 Y 不是連續變量，因此我無法運行偏最小二乘法 (PLS)。
我附上了一個匿名文件
回覆：因子組合分析由於反應變數是二元的，您可以嘗試執行邏輯迴歸分析。如果各因素之間存在高度共線性，JMP Pro 的廣義迴歸可能效果更好。
