- 0
- 0
- 约7.66千字
- 约 11页
- 2026-11-18 发布于北京
- 举报
别再搞错设计诊断:原理+操作+解读
案例数据下载:/data/design_diagnostics_sample.csv
方法简介
试验做完再分析,往往是“木已成舟”。如果设计表本身就存在因素共线、交互不可估、试验点分布不均,后续无论用多复杂的模型都无法把混淆的效应拆开。设计诊断(DesignDiagnostics)就是在试验实施之前,对已经排好的设计矩阵做一次体检:不需要响应数据,只看因素列的水平配置与组合方式,回答“这个设计能不能干净地估计主效应和二阶交互”“哪些项被别名掉了”“预测精度在空间内是否均匀”。
诊断从五个方面展开。设计概况统计试验次数、因素水平数、每水平次数是否平衡、重复组合与纯误差自由度、区组与试验类型;正交性用因素主效应项空间之间的最大典型相关|r|和主效应VIF衡量;估计能力用D效率、A效率、平均与最大预测方差SPV、条件数衡量;别名结构列出与前序项共线、无法整项估计的效应;结论把上述指标汇总成“可用/需注意”的判断。
几个指标的口径需要先明确。D效率=100·|X′X|1/p/n,A效率=100·p/(n·trace((X′X)?1)),预测方差SPV=n·x′(X′X)?1x;模型矩阵按每个效应项中心化、项内正交标准化(保留项间相关)后计算,完全正交的设计X′X=nI,D与A效率都是100%,SP
原创力文档

文档评论(0)