仅估计主效应的设计
注意：有关仅限于主效应的筛选设计的详细信息，请参见筛选设计。
在本例中，您关注的是研究六个因子的主效应。您构造一个筛选设计，其中所有主效应都是正交的。不过，主效应与双因子交互作用存在别名关系。
1. 选择实验设计 > 定制设计。
2. 在“因子”分级显示项中的添加因子数旁边键入 6。
3. 点击添加因子 > 连续。
4. 点击继续。
“模型”分级显示项随即显示。其中仅包含“可估计性”指定为“必需”的主效应。这意味着所有主效应在生成的设计中都是可估计的。
图 5.2 显示“模型”分级显示项的“定制设计”窗口
保留默认值 12 次试验。
注意：在step 5中设置“随机种子”，在step 6中设置“开始数”，这将会重现本例中显示的确切结果。自行构造设计时，这些步骤不是必需的。
5. （可选）点击“定制设计”红色小三角，选择设置随机种子，键入 12345，然后点击确定。
6. （可选）点击“定制设计”红色小三角，选择开始数，键入 1，然后点击确定。
7. 点击制作设计。
图 5.3 仅限于主效应的设计
8. 打开设计评估 > 相关性色图分级显示项。
图 5.4 相关性色图
请注意以下事项：
‒ 主效应由色图左上角的六个项表示。
‒ 白色对应六个主效应与其他主效应之间的相关性，白色指示二者之间为 0 相关。这意味着所有主效应都是正交的，可以独立于彼此进行估计。
‒ 方块中的浅灰色对应于一些双因子交互作用，浅灰色指示对应的效应之间相关。这意味着这些效应不能独立于其他效应进行估计。将光标置于这些方块上可查看精确的相关性。
‒ 请注意，没有任何效应彼此之间完全混杂。黑色方块（指示绝对相关性为 1）仅位于主对角线上。
9. 打开设计评估 > 别名矩阵分级显示项。
图 5.5 别名矩阵
“别名矩阵”显示模型中主效应项的系数如何因可能活跃的双因子交互作用效应而产生偏倚。列标签标识交互作用。例如，在 X1 行中，列 X2*X3 的值为 -0.33；列 X2*X4 的值为 0.333。这意味着 X1 主效应的期望值是以下值之和：X1 主效应加上 X2*X3 效应的 -0.33 倍，加上 X2*X4 效应的 0.333 倍，一直加到 X1 行的最后一项。为使 X1 主效应的估计值有意义，您必须假定与 X1 的效应相比，这些交互作用的大小可忽略不计。
提示：别名矩阵是部分析因设计中的混杂模式的广义形式。