일부 DOE 플랫폼을 사용하면 중앙점(연속형 요인의 경우), 반복 런 또는 전체 반복 실험을 설계에 추가할 수 있습니다. 다음은 설계점 추가와 관련된 몇 가지 상황입니다.
연속형 요인의 중앙점을 사용하면 비선형 효과로 인한 적합 결여를 검정할 수 있습니다. 적합 결여 검정은 모형 항 누락으로 인해 오차 분산 추정값이 부풀려졌는지 여부를 판별하는 데 도움이 됩니다. 이 방법은 현명한 런 투자일 수 있습니다.
중앙점에서만 런을 반복하거나 다른 설계 런을 반복할 수 있습니다. JMP에서는 반복 런을 사용하여 모형에 독립적인 오차 추정값(순수 오차 추정값)을 생성합니다. 이 순수 오차 추정값을 사용하면 적합 결여를 검정할 수 있습니다. 설계에 반복을 추가할 때 중앙점은 반복 런에 포함되지 않습니다.
중앙점은 모형 효과의 정확한 추정값을 얻는 데 도움이 되지 않습니다. 중앙점을 사용하면 곡률의 증거를 검정할 수 있지만 원인이 되는 비선형 효과를 식별할 수는 없습니다.
곡률의 원인을 식별하려면 최소 3개 수준으로 연속형 요인을 설정해야 합니다. 확증적 선별 설계는 반응에 대해 강력한 비선형 효과를 일으키는 요인을 감지하고 식별할 수 있는 3수준 설계입니다. 자세한 내용은 확증적 선별 설계에서 확인하십시오.
런 예산으로 가능한 경우 런을 반복하거나 설계 공간 내에서 새 런을 최적으로 배포할 수 있습니다. 반복 런을 추가하면 일부 추정값에 대한 정밀도가 추가되고 적합 결여 검정의 검정력이 향상됩니다. 그러나 런 예산이 지정된 경우 반복 런을 추가하면 일반적으로 설계의 모형 효과 추정 능력이 저하됩니다. 설계 공간 내에서 최적으로 런을 배포하는 것만큼 많은 항을 추정할 수 없습니다.
참고: 지정된 중앙점 수 외에 반복 런 수가 식별됩니다. 반복 런은 추가 중앙점일 수 있습니다.
설계된 실험은 대개 실험 목표에 맞게 가능한 한 적은 수의 런이 필요하도록 구성됩니다. 런 수가 너무 적으면 극단적으로 큰 효과만 감지할 수 있습니다. 예를 들어 지정된 효과의 t 검정 통계량은 표준 오차에 대한 반응 평균의 변화 비율입니다. 오차 DF(자유도)가 1뿐이면 검정 임계값이 12를 초과합니다. 따라서 거의 포화된 설계에서 효과를 감지하려면 크기가 매우 커야 합니다.
유사 관측이 적합 결여 검정에 적용됩니다. 적합 결여를 감지하는 이 검정의 검정력은 분자와 분모의 자유도 값에 따라 달라집니다. 각 종류마다 df가 1뿐인 경우 0.05 수준에서 유의성을 선언하려면 F 값이 150을 초과해야 합니다. 각 종류의 df가 2인 경우에는 F 값이 19를 초과해야 합니다. 두 번째 경우에서 검정이 유의하려면 적합 결여 평균 제곱이 순수 오차 평균 제곱보다 19배 커야 합니다. 적합 결여 검정이 이상치에 민감한 것도 사실입니다.
적합 결여 검정에 대한 자세한 내용은 선형 모형 적합의 적합 결여에서 확인하십시오.
산업 응용 분야에서는 런을 수행할 때마다 비용이 많이 들기 때문에 런 수를 최소화해야 합니다. 관심 있는 고정 효과를 추정하려면 모형에 있는 항과 같은 수의 런만 있으면 됩니다. 효과가 활성 상태인지 여부를 판별하려면 적절한 오차 분산 추정값이 필요합니다. 이 분산의 추정값이 충분하지 않으면 모형 항을 추정하는 데 필요한 수에 4회 이상의 런을 추가하는 것이 좋습니다.