发布日期: 08/07/2020

实验数据分析

通常,您想要拟合一个模型,该模型允许双因子交互作用可能是活跃的。您也可能想要在模型中包含纯二次项。您可能需要假设一个完全二阶模型,或是您想要指定一个仅包含一些二阶项的先验模型。

双因子交互作用

在拟合此类模型时,您需要注意两个事实:

双因子交互作用效应与二次效应往往相关

无法同时估计所有双因子交互作用和二次效应

完全二次模型的相关性色图 为包含八个连续因子的设计显示了相关性色图,如针对八个连续因子的确定性筛选设计 所示。该色图针对完全二次设计。八个纯二次效应列在最右侧。通过使用“实验设计”>“设计诊断”>“评估设计”并在“别名项”列表中输入适当的项,您可以构造该图。请参见别名项

完全二次模型的相关性色图 

使用光标将鼠标指针悬停在色图单元格上方,以便查看效应之间的绝对相关性。您会看到主效应与所有双因子交互作用和纯二次效应都不相关。还会看到没有任何效应与其他效应完全混杂,因为唯一的红色单元格位于主对角线上。但请注意,双因子交互作用之间的某些绝对相关性很大,有些甚至高达 0.75。还要注意,双因子交互作用与纯二次效应之间的绝对相关性为 0 或 0.3118。

若只有主效应和纯二次效应活跃,您可以拟合包含主效应和二次效应的饱和模型。该模型将生成无偏的效应估计值,假定没有任何活跃的三因子或更高阶的效应。

由于相关性涉及二阶效应,您必须小心地拟合包含双因子交互作用的模型。包括以下分析方法,首选第一种:

“有效模型选择”方法的效果较好,特别是在可能有许多效应活跃时。请参见DSD 的有效模型选择

若以下条件成立,前向逐步或所有可能的子集回归都会充分执行。

活跃效应数不超过试验次数的一半。

至多有两个活跃的双因子交互作用或至多有一个活跃的二次效应。

请参见前向逐步回归或所有可能的子集回归

前向逐步回归或所有可能的子集回归

该方法包括首先指定一个完全响应曲面模型。然后执行以下操作之一:

使用前向逐步回归,将“停止规则”设置为“最小 AICc”并将“规则”设置为“合并”,以确保模型的遗传性。

使用“所有可能的模型”回归,您需要选择强制“遗传限制”的选项,并使用 AICc 准则进行模型选择。

您无法拟合完整响应曲面模型,因为试验次数小于参数个数。所以您的分析取决于效应稀疏假设,此时您假设活跃效应数小于试验次数。该方法有以下一些限制:

若活跃效应数超过试验次数的一半,则逐步回归和所有可能的模型回归都很难找到正确的模型。

检测适合的二次效应的检验功效很低。二次效应必须超过三倍的误差标准差,功效才能超过 0.9。

由于效应混杂,若干模型可能等效。将需要额外试验来解决混杂。

需要更多信息?有问题?从 JMP 用户社区得到解答 (community.jmp.com).