Dr. Frank Yang 问答专帖

思源致远

autocollation 的各阶系数一般是越小，数据就越随机，通常0.2 以下就认为数据的随机性不错。但是自相关系数的p值也是重要的判别根据。 倘若是0.6 但是p值》0.05，我们不能就认为数据的非随机性强。 应该加大数据样本再做分析。
抱歉回复晚了些！

思源致远

不好意思，我才看到你的问题。迟复为歉！
你的问题是不是想从Tesla 的文章了解结构方面的DOE经验？关于后面一段（桔黄色的一段）好像是你的评论，不是一个明确的问题。如果你有问题，请再把你的问题从另一个角度提出来， 我们再讨论？
关于这篇文章提到的DOE，唯一有关的一段是：
“研发流程中，不论汽车、制药、化工还是半导体行业，实验是绕不过去的坎。实验成本与周期，构成了整个研发过程中的绝大多数成本、时间损耗。人类在如何让实验计划合理化的过程中，研发出了一系列的方法和技术，其中最神奇的数据分析方法就是DOE(实验设计)。这套统计手段可以帮助研发专业人员大幅度降低实验次数，使得实验的安排既满足最合理试验次数与研发参数需要，又能够匹配实验成本及时间要求。在世界众多实验设计与数据分析方法中，CUSTOMER DESIGN（定制实验设计）又是其中只有极少数分析方法厂家可以提供的高端工具。Tesla经过反复对比和研究，最终采用了来自JMP的高级DOE平台及数据分析套件。” 我的评论是： DOE是一个以优化为目的的试验设计和分析的方法，不单纯只是数据分析方法。
关于你提的的结构问题，我想这和该工程专业有关。 DOE领域里没有这样的一个与结构有关的统计学分支。 我们和不熟悉工程领域的工程师合作时，或者该工程师把工程问题表达为一个DOE问题，我们便可以提出针对性的问题进行合适的试验设计，试验后再对数据进行分析以及针对目标的优化，或者找到进一步改进的方向。 如果工程师一定不懂DOE， 我们便需要向该工程师深入了原理细节，自己把工程问题归纳为统计问题，然后进行合适的试验设计，等等。
因为我不懂你领域的工程问题，所以我建议你把结构问题深入了解一下，将问题转换为一个试验设计的问题，我们再往下讨论。
你看怎么样？

思源致远

Mujahida 发表于 2014-8-31 12:04
杨老师，你好！

不知你是否方便有时间，看看这道“多元重复测量”怎样分析？我查阅了其它JMP方面的参考 ...

不好意思，我好久没有过来看看有没有人提问。
请问你提到的五次重复的测量，是指等时间间隔测量的五个不同先后时间的数据吧？你问的问题是不是这两个指标随着时间是不是有统计上显著地变化？
虽然这些尚未明确，但是我可以回答， tg 与 wgt 这两个指标应该分开分析， 就算是它们之间可能有相关性。

思源致远

我看完这几个例子之后，觉得没有自相矛盾。杨重法的203页的例子，以及Ann Lehman 302页的例子，都是samll sample size的例子。Ann Lehman在 讨论302页的例子时就指出了此时运用sphericity test 有倾向 falsely rejct the null hypothesis of significant departure from the homogeneity of variance assumption, 但是当你只勾选Test Each Column Separately Also时报告的multivariate statistics is good enough to complete the test.   希望以上能回答你的疑惑。