【必讀】實施DOE前的準備工作（下）

我們先退出去 換到minitab 所以這個時候呢 我們怎麼做 統計DOE因子 創建因子設計 大家看下面都是灰的 都是灰的 現在點不了 因爲什麼 我們沒有創建我們的這個DOE 這個設計還沒創建 然後進來之後呢 我們就先選一個啊 當然我們默認的都是量水平嘛 這是最常用的 然後因子數我們選幾啊 選三 我們有三個因子嘛 然後呢 點擊設計 這個時候我們要做什麼呀 我們做全因子DOE 做全因子DOE 我們點下方八次 然後我們這裏爲了和大家演示啊 我們先不加中心點了啊 我們先不加中心點了 爲什麼呢 因爲這個 加上來之後 大家容易亂啊 我們就不加中心點了 然後交點呢 也就是八次實驗啊 這個八個交點 我們要不要進行返航啊 當然也不需要啊 我們點確定 然後這個時候點擊因子 那麼大家可以看到啊 這裏邊啊 因子的名稱 我們把它打進去啊 壓力 時間 然後 溫度 後面的這個低就是低水平的意思啊 高就是高水平的意思 現在有一個問題是什麼啊 我們當然我們這裏面現在默認的是負一正一啊 就是代碼化的低水平和高水平 那麼真正在生成表單的時候 大家千萬不要寫負一正一啊 寫什麼 寫實際值啊 實際值 比如說壓力的低水平是多少 比如說三兆帕啊 我們就要實際的寫上三 水平比如說定六兆帕啊 我們就要實際的寫上六 爲什麼呀 因爲 你無論我們都明白 低水平高水平能往裏換算 能往裏帶 帶入這個實際值 那麼把那表單生出來之後 你最後是要給現場的 對吧 給我們製造的現場 那麼他們負責去進行這個試驗的 這個進行了實施 那麼如果你給他這個表單上面都是負一正一 他就亂了啊 那我們的製造的人員是現場的人 是不知道負一正一什麼意思的啊 所以呢 還有一個想說的是什麼 就是這個低水平高水平 這些就是設計啊 我們在設計DOE前期的一個很重要的工作 那麼低水平高水平設的近了不行 設的近了不行 設的高了呢 設的設的差距大了呢 一個十一個一萬也不行 也不行 要把它設計的很合理啊 你不能說這邊寫個3 這邊寫個3.001 不行 爲什麼不行啊 我們是根據每個因子高水平 它對應的響應變量Y和低水平 它對應的響應變量Y 它這個差距啊 來判定我們這個因子顯著不顯著的啊 大概的意思是這個意思啊 我們不說太複雜的統計原理 所以我們不能說 如果把它定的過窄的話 定的過窄的話 有可能是明明是一個顯著的因子 結果因爲水平選定的不恰當 導致了這個因子變成了不顯著的 被踢出出去啊 這個很危險 我看看大家有提問題 我看一下啊 有人說這是me type嗎 是的 這個時候低水平怎麼設計了 胡蘿蔔 換用胡蘿蔔 胡蘿蔔來了 怎麼設置這個標準是參考什麼的 沒有一個明確的標準啊 沒有一個明確的標準 只是有一些經驗值 大家可以擺我們的這個 因爲這些個參數 大家肯定日常也會有一些對應的標準嗎 這個肯定是會有的 可以如果是一個新產品的話 可以找之前相應的差不多的型號啊 對應的這些個標準 它的公差的往裏內縮啊 內縮20% 比如說我們原來說是10正數10 那麼就是10正數5 10正數5 那麼就是5到15 你可以往裏內縮20% 30%都可以 對這個沒有一個標準的一個說法 這個全憑經驗啊 經驗就是往裏內縮啊 往裏內縮個20% 30%的就可以 你不能定的太寬 大家知道吧 你定的太寬 後來光光光出了一堆不良也不行 是吧 而且定的太寬的 我們這個模型有可能也會顯示不顯著 太寬也會顯示不顯著 定的太低呢 也不行定的太低也不行 對一個經驗值 公差上下值 上下值往裏內縮 往裏內縮一部分 就跟我們喝酒一樣 你比如說我們想說這胡蘿蔔酒量好不好啊 對吧 試一試吧 低水平是一口不喝 高水平呢 來一毫克的啤酒 那喝完之後 我們一看胡蘿蔔一點事沒有 那我們說啊 胡蘿蔔 我們說酒精這個東西啊 是吧 對於胡蘿蔔來說不起作用 那我們說胡蘿蔔喝多少酒都沒問題 那肯定是不恰當 所以這低水平高水平怎麼定 定一個恰當的範圍 然後我們這裏面爲了演示呢 其實這些就是我們DOE前期策劃很重要的工作啊 其實metab最後做完之後 這些個實驗結果拿到metab來 解讀詮釋 是很重要的 這個算家 我們剛開始學不會 我們可以找身邊會的老師了 這個解讀的問題不會偏上來太多的 然後我們點擊確定啊 都改成數據正義啊 爲了好演示 然後我們點擊啊 選項 大家看選項 我在這點一下 大家能看到吧 隨機化運行順序啊 隨機化運行順序 它其實是默認已經勾選了的啊 已經是默認勾選的了 然後我們把它點了之後呢 我們這八次實驗纔會變成隨機的啊 我點一下啊 再點確定 大家能看清嗎 我放大一下 大家看這個C1是什麼呀 C1是標準序啊 是什麼叫標準序啊 如果我們按照C1啊 12345678啊 按照標準序拍的話 就是我們前面說的一個負一一個正一啊 第二列第二個因子就是兩個負一兩個正一 第三列第三個因子就是四個負一四個正一啊 這是標準序 但我們前面已經和大家說了呀 我們不能按標準序做嗎 容易出現這種多重貢獻性的問題 所以怎麼辦啊 我們把它打亂了啊 打亂了以後了呢 我們按照哪個順序啊 C2啊 運行序什麼叫運行序啊 運行序就是我們做實驗的順序啊 一次實驗就叫一次運行啊 這個就叫運行序 所以大家可以看到啊 後邊我們這八次實驗已經沒有規律了 全部打亂了 然後對應着大家可以把我們這裏面寫上一個什麼 比如說我們就說Y吧 然後這個表單出來之後呢 他就可以把它打印出來 打印出來拿到現場 拿到我們知道現場去按照我們這個實驗順序去做這個實驗啊 去做這個實驗 經驗是什麼呢 就是在做DOE的時候 大家不要太相信於實施實驗的人啊 這個因爲是DOE的實驗次數非常少 所以他每一次實驗的結果 對我們的這個最後整個DOE的成敗是影響非常非常大 對我們的模型影響也非常非常大 所以大家在做DOE的時候千萬千萬要注意 一定要自己去現場跟蹤 盯着去做實驗 不要把他把這個表單交給我們製造的人說 按照這個順序做啊 我們就不管了 你把書記一下 千萬不要這樣做啊 危險太大了 好 這個就是我們隨機化的一個原因 包括過程啊 怎麼做的就是這麼做的 然後看一下大家有沒有什麼問題啊 當然這裏面有路徑啊 這裏面有路徑 只不過剛纔已經和大家出去演示了 已經和大家出去演示了 好 我們我們來說一下啊 然後我們來說一下下一個驅逐化 這倆是對應的 呃 先看看大家有沒有什麼問題啊 嗯 小呃 我看看大家有什麼問題 我們來互動一下來回復一下大家啊 大家可以現在可以點點贊啊 然後有問題可以及時的打到公屏上 小果說那M階段都要做點啥 哎呀 小果這個問的問題特別好 我們查一下啊 因爲小果問了這個問題是比較好的 M階段是做什麼 大家都知道M階段叫什麼呀 叫測量對吧 但是現在我們大家可以看啊 我們在這個真正做項目 或者是大家看到這個項目模板上面 或者一些比較好的項目在市場上給大家放出來的 大家可以看啊 這個M階段你去去看他有沒有做測量的工作啊 他有沒有做測量的工作 基本上沒有 M階段做什麼 第一找出測量項 找出測量項 找出我們的測量項啊 第二呢 制定我們的測量計劃啊 然後去測量完成我們的測量工作 就這兩步啊 就這兩步 其實我們學的這個MSA呢 只是爲了輔助於我們這兩步的 因爲我們要進行測量了 我們要去抽取數據了 那麼所以在測量之前 可能要先保證MSA是合格的 那麼其實M階段測量就這兩步啊 我們我們毛主席說叫什麼 在這個叫 這這怎麼說 調查嘛 對吧 反對本本主義 你必須要調查啊 調查是什麼 其實大家可以看一下這個 就是這個毛選 他裏面說的這個調查 其實就是我們M階段的測量 調查調查什麼 其實就跟我們測量工作做的內容 基本上原理上來說是一模一樣的 調查出來就是測量啊 測量出來這些數據幹什麼用啊 給A階段做準備啊 你曾別聚焦定義我們的問題啊 不是說我們套個模板 這個問題就解決的 那怎麼會說大家想一下這些 這些個啊問題 對吧 這個疑難雜症 我們畫個魚骨圖做個framer啊 肆意舉證 然後圈幾個圈打個分 找到問題根本原因了 這可能嗎 這個就是 但是現在整個這個六Sigma在做的時候 全是這樣的 那沒有辦法 呃 好 看看大家其他的問題啊 阿草問什麼是噪音啊 噪音就是一些 我們認爲他對我們的這些個 輸出的響變量有影響 但是我們那控制不了他 我們控制不了他 阿草問什麼是噪音 舉個最簡單的例子啊 來料啊 我們的來料就是最大的一個噪音 他不可控 大家感覺我們在做一個工序的時候 肯定會有相應的來料 對吧 我們的這個原材料 那麼原材料會不會影響我們的這個輸出呢 會影響啊 大家都承認的 但是我們能不能控制他呢 他控制不了 你跟他說 你給我的這些個產品啊 波動就要多大啊 均值就要固定在多少 不可能的控制不了 控制不了 這個就是噪音啊 包括一些環境的這些個溫溼度啊 其實也不是能很好控制這些 但是你說有沒有影響呢 有影響 呃 DOE怎麼定參數的公差 這個就是我們剛纔說的這個低水平和高水平的這個選取 一般的把我們的這個過往的這些個成功的 如果你是新產品的話 新產品 那麼你可以參考類似的這個 其他的類似的產品啊 型號 如果是現有的產品做這個參數優化呢 那麼可以在我們現有的這些個工藝參數上 共差上往裏去內縮啊 內縮20%到30%都可以 DOE的外用區分離散型和連域型嗎 當然用了啊 當然用了 但是我們一出離散型的時候 這種二項分佈呢 就要求比較高啊 我們做實驗的樣本樣本會非常非常大 這個太浪費了 所以到DOE的時候 我們格外不推薦大家啊 再用一個離散型的這種比如比率啊 不良率良品率去做DOE 這個代價太大了 嗯 然後我們來看一下這個區組化是什麼意思啊 嗯 大家要知道隨機化和區組化它是有區別的 其實我們剛纔舉的那個例子呢 是爲了讓大家更好的理解爲什麼我們要隨機化 但是呢 其實並不太準確啊 並不太準確 爲什麼這麼說呢 因爲如果啊 我們再回到 我們再回到這一頁啊 再回到這一頁 比如說啊 我們知道前四次啊 或者回到回到meetup 就這樣說吧 比如我們知道啊 前四次是 比如我們知道了啊 做前四次實驗的時候啊 白板啊 白板做 然後後四次的時候呢 夜班做 如果我們已經提前知道了啊 我們自己提前已經知道了 白板和夜班有差距 那麼我們就應該想辦法把這個差距呢 這個白板和夜班的這個就是這個組件的這個波動 組件的這種差異性 把它單獨拿出來 把單獨拿出來 如果不拿出來怎麼辦 不拿出來 它就進入了我們實驗的誤差項裏了 所以對於一些或者是什麼 比如說啊 我們現在呢 做八次實驗 不管是隨機化了也好 還是沒隨機化也好 我們做八次實驗 那麼我們發現我們一批料只能做四次實驗 所以我們這八次實驗的需要兩批料 但是我們在做之前已經都知道了 這料與料之間 這兩批料之間它一定會有差異性的 所以我們既然已經知道了有這種差異性 我們就得想辦法把它單獨拿出來 不能放到這個實驗裏面 讓它在這裏面去起作用 那麼怎麼辦 我們就把我們的實驗分成兩個區組 比如說前四次 你不是用一批料嗎 不是有差異嗎 前四次我們叫區組一 後四次叫區組二 那麼這個差異性 我們就把它拿出來放到區組裏面 其實大家如果學到哪 大家會更清楚這個區組的含義 其實在學這個的時候還不是特別能好理解 學到這個響應曲面設計的時候 當學到響應曲面設計的時候 大家就能很好地看出來 這個區組化是怎麼體現的 它是先爬坡 對吧 爬完坡以後 我們說做了一輪全原子DOE 做完全原子DOE之後 它又補充了幾個軸點 那麼做全原子DOE和做軸點之間 它是斷的 它不是一口氣做的 那這個時候 經常中間會隔一段時間 比如說做前幾次的時候 是今天 對吧 然後我們可能排查 排到了下週 那麼可能下週再做的時候 那時間上肯定有差異的 這個差異 如果我們提前知道 就要把它區組化 把它單獨拿出來 好 那我們看一下 那區組化和隨機化有什麼區別呢 區組化 就是我們在實驗中 能降低我們噪音的影響 它怎麼降低的呢 就是因爲我們提前知道了 有這個差異性 我們把它單獨從實驗當中 作爲一個因子拿出來了 那就像我們剛纔笑這麼小 那其實他說的挺差不多 是這個意思 就我們知道白班和夜班有差異了 我們在做實驗之前已經知道了 而且我們規避不了 我們也規避不了 我們只能是在這個 這輪實驗裏面既有白班又有夜班 那麼怎麼辦 那就只能把它作爲一個因子 在我們的這裏邊去單獨拿出來去看 但是區組化一旦顯著了 這就麻煩了 那我們最好就是想辦法 想辦法消滅它 看一下白班和夜班爲什麼有差異 所以其實流程的這個優化 它並不一定說 是我用了一個什麼工具 流程就優化了 它就是迭代的 剛纔有小夥伴說迭代 它就是迭代的 你看如果我們區組化發現了 區組顯著了 白班和夜班 真的確實很差異 我們說區組化是什麼 我們懷疑 懷疑白班和夜班有差異 我們就把它單獨拿出來 那麼一旦判定了區組化顯著 也就是白班和夜班有差異了 這不是挺好的一個事嗎 對吧 這相當於我們做了一次邊緣的分析 我們對我們的流程瞭解的更深了 我們之前只是懷疑 我們做DOE的時候 把它拿出來作爲區組 那麼一下顯著了 那我們回過頭來就可以去解決這個問題 然後在區組化和隨機化的時候 這個就是一個非常有名的一句話 就是區組化我們已知的 隨機化我們未知的 什麼叫區組化我們已知的 就是我們已經知道它會有差異性 或者更準確的說 我們已經懷疑有差異性 比如懷疑這兩臺設備 換了臺設備 換了一個班 包括我們剛纔有小夥伴說 賴清小白哥說 不同的卷料可以當區組嗎 對啊 我們中間換料了 我們已經知道這批料不夠用了 我們中間要用兩批料 那麼要把它作爲區組 對吧你懷疑了 你懷疑這兩批料之間有差異 可以啊 不同料也可以當作區組 可以 但是對於那些我們未知的 比如說我們不知道會有什麼樣的影響 因爲我們知道的是這些 還有很多其他的噪音在干擾我們 那麼我們不知道那些怎麼辦 通過隨機化來避免這個干擾 也就是區組化是什麼 區組化是直接把它拿出來 把我們懷疑的 已經有懷疑的 知道可能會有差異的拿出來 從我們的模型裏邊拿出來 那麼隨機化是什麼 除了我們知道的 還有好多我們不知道的 不知道的對它的影響怎麼辦 隨機化 把它均攤到我們巴斯實驗當中 這個就是差異 大家知道這個真正這個6CM的課程裏邊 我們在改進階段 還有很多其他的改進方法 不光是DOE這個統計工具 只不過因爲它是一個最優的一個工具 你看它裏面有什麼變異元 然後呢 模型對吧 然後還有什麼概率對吧 它就是把前面我們學的統計工具都揉到一起了 所以我們要學這個 但是並不代表我們必須要用DOE才能解決問題 文件設計最後做嗎 我們不一定做文件設計 大家要知道 大家知道這個做DOE最後是什麼 DOE最後目的是什麼 大家就是我們做一個東西也好 而學一個東西也好 要知道目的是什麼 我們最後做DOE的目的 並不是說要有一個特別完美的模型 是吧 Y等於什麼什麼什麼什麼 然後R²能達到99% 這個不是我們的目的 我們不追求這些 我們的目的來自於我們的實際情況 我們的實際情況是什麼 比如說我們希望達到80 達到80 80牛達到180牛 我們的想象變量Y能達到這麼大嗎 能達到就可以了 沒有這麼複雜 不是一定要做 非非不是一定要做 最後我們來說一下這個誤差 簡單和大家說一下這個誤差 其實你看我們一說到這的時候呢 就跟我們MIC裏的偏移啊 假設檢驗啊 其實都是一回事啊 都是一回事 同樣的東西其實都是一回事 好 誤差是什麼呀 就是說一種情況 大家都能理解啊 我們怎麼定義這個阻內變異 在我們的製造過程當中呢 因爲我們每個行業不一樣 我們說個簡單的例子 我們有的時候呢 比如連續生產 現在都是在連續生產 大部分行業都是連續生產 比如說我們在 一分鐘內啊 一分鐘內做了四個產品出來 那麼一分鐘內做了四個產品出來 那麼這一分鐘短短的一分鐘 我們說人機料法團啊 我們常說的5M1都沒有一個大的變化 我們交接班了嗎 沒交接 我們換料了嗎 沒換料 我們換設備了嗎 沒換 我們什麼都沒換啊 就短短的一分鐘生產了 連續生產了四個產品 那麼我們這個大家告訴我這四個產品 我們測完之後有沒有差異 是一模一樣的嗎 大家感覺我們連續生產四個產品 他出來是一模一樣的嗎 大家感覺我們來互動一下 大家感覺是四個產品出來一模一樣 我們就扣1啊 不是一模一樣就扣2 我們來互動一下 小羊說JR說的重複性沒錯啊 所以大家你看我們學來學去 最後怎麼能讓大家把這些工具學清了 大家就是聽我的經驗啊 我是什麼時候能掌握到什麼一個信息之後 把這些東西全都能把它融合到一起啊 這些工具全都能貫通啊 融合到一起 就是他們都是互相關聯 就是這個組內和組件 這是一個非常非常重要的概念 我們說的這個測量誤差呀 就是我們剛纔小羊說的這個重複性啊 它是一個最底層的 但是我們現在說這四個的差異 爲什麼會有差異 有有沒有啊 我們說的測量系統的差異測出來的 有 但是我們說即使我們測量沒有差異了 這四個產品也會不一樣 製造出來的差異啊 製造出來的差異 也就是說大家都認可這件事兒 就是我們的參數一模一樣啊 參數設定人員設定啊 我們的人員我們的料我們設備哪兒哪兒都沒變化 我們也沒調整呢 生產出來的連續四個產品 它就是有差異 那麼這個差異叫什麼 就叫組內變異啊 叫組內變異 那麼在我們的DOE裏面叫什麼呀 叫誤差 我們爲什麼要算這個誤差呢 給大家簡單畫一下 大家就明白了 我們要爲什麼要算這個誤差 大家都學過統計了啊 對吧 學過假設檢驗了 那麼我們呢 簡單說一下 來大家討論一下 來我們看一下 一 二 大家看這兩組數據有沒有差異 大家感覺看這兩組數據有沒有差異啊 它的均值有沒有差異啊 我們說嚴謹 它的均值有沒有差異啊 大家感覺有啊 我們就打一啊 其實說有 歡迎騎士啊 騎士也來了 有差異對吧 那我們再來啊 再給大家啊 都說有啊 對 其實我們不需要先不需要這個什麼統計啊 P值啊 不需要這些啊 我們肉眼看啊 肉眼看 那麼我們再來看另外一組啊 這個 這個鍵盤是非常的難用啊 這個鼠標是非常的難用 大家感覺這兩組有差異嗎 大家感覺這兩組均值上真的是我一看 這個均值差異太大了 有很大差異 是嗎 大家感覺第二組呢 它的均值有差異嗎 所以我們說這裏面我們舉這個例子 爲了讓大家明白一個什麼事啊 比如說啊 我們左邊這種情況 它的這個就說數字上的差異啊 數字上均值的差異是0.5 那麼右邊這個數字上的差異呢 也是0.5 那麼數字上的差異都是0.5 爲什麼左邊這種情況 我們一眼就判定它的均值有差異 那爲什麼右邊這種情況 我們像騎士說的 可能大部分是這種想法 就是我們認爲 哎 這沒差異對吧 或者說好像很模糊 我也不好判定了 反正不像左邊這種情況那麼絕對了 爲什麼其實都差了數字的0.5 是因爲我們在判定均值有沒有差異的時候 是在前提一個大的前提基礎上來說的 什麼大前提 就是在我們的這個 波動啊 波動變異大小的情況下 我們再來看均值的這個差異啊 我們再來嚴謹點說 我們其實是在這個波動大小的這個程度的前提下 我們再去判定這個均值的差異 是不是存在的啊 我們再說一遍啊 我們是在這個波動 程度大小的前提下 去幫助我們判斷啊 這個均值上到底有沒有一個差異性的 是不是這個意思 那麼好 我們說回到DOE裏面的誤差是什麼意思 其實呢 我們管這個叫什麼呀 阻內變異啊 這個叫什麼呀 也叫阻內變異 是吧 他倆的差值叫什麼呀 叫阻間變異 那麼比如說我們現在說 其他因子都不變啊 我們說這個是A因子取低水平 然後A因子取高水平 那麼他均值一定會有數字層面的差異 但是我們剛纔說了 那到底上實際上有沒有差異 如果有差異 我們就說從低水平到高水平有差異了 那證明什麼 證明這個因子顯著了 對吧 那麼怎麼判定這個因子顯著不顯著啊 往前說一步就是 低水平時生產的這些個實驗和高水平生產的這些實驗 他的這個均值啊 這個均值有沒有差異啊 對吧 那麼再往前說一步 那這個均值怎麼判斷有沒有差異啊 那不是在阻內變異的基礎上來判定的嗎 對吧 那麼好 我們再說阻間的這個均值的變異啊 阻間變異就這個均值的差異 從低水平到高水平 這個沒不用說我們做了八次實驗 對吧 四次低四次高 我們先簡單那麼說 那麼問題來了 阻間的這個差異啊 具體是多少數 我們知道了 但是我們需要阻內的這個變異來衡量它呀 阻內變異有多寬 所以我們怎麼估算出來阻內變異啊 這個阻內變異叫什麼呀 就叫誤差啊 這個阻內變異的大小就叫誤差 那麼怎麼得來的呀 通過啊 我們剛纔不說了嗎 所有因子 所有參數 所有東西都不變啊 連續生產 當然我們不說連續生產 我們說什麼 我們把所有的因子水平啊 所有的比如溫度壓力啊 時間三個因子水平都把它固定死 都固定死 然後呢 連續重複的進行返航啊 做重複實驗 那麼這一次我們比如說做了三次實驗 10 11 9 我們說9 10 11 這三次實驗爲什麼有的差異 就是這個阻內變異啊 就是誤差 大家能理解了吧 不是這個原理 對吧 就是這個原理 所以爲什麼要估算誤差呀 是爲了幫助我們判定因子顯著不顯著 我們不能說看數字上啊 這差了0.5 我們說差0.5有差異 不是的 我們要看這個從低水平到高水平 這個變化外均外的這個均值的變化 在什麼程度上來判定有沒有差異 在誤差的這個大小上來判定 其實大家可以看啊 DOE它是一個主動實驗的過程 就是我們主動的設定我們的這個因子 這個參數的水平 然後去做實驗去跟 但是還有一個跟DOE比較像的啊 也能出模型的叫什麼 叫回歸啊 叫回歸多元迴歸這些 它就不是我們主動的去做實驗 它是通過我們收集歷史數據啊 收集歷史數據 然後通過歷史數據啊 去做的這個相關的這個驗證 所以還是有很大區別的 X和Y代表什麼 X一般在過到了A階段以後啊 到了A階段以後 X一般我們就是A因子 Y就是我們的這些個響應變量 到了A階段以後 X就是這些個因子 比如說什麼這些參數 什麼壓力啊 設備啊 溫度啊 Y是什麼呀 Y就是響應變量啊 比如說我們一個工程輸出的東西 比如漢階的強度啊 比如一些抗拉強度啊等等的 X這又提了一個特別好的問題 0.01 0.05 0.1 你看0.01 0.05 0.1 其實這些東西都是活的啊 大家知道吧 他不是說就幫定死0.05不能動了 它是一個風險性的問題 如果我們認爲風險性對吧 R是風險 我們認爲定定大一點 0.1也可以 你就定0.1 不是特別死的東西 其實放在分析中 因子類型隨機固定啥意思啊 這個其實啊 我們簡單和你說一下 你可以點關注啊 看主頁啊 我們之前講過啊 找我們對應的合集 隨機效應子是什麼意思 就是說 比如說我們選一個因子溫度啊 就說人吧 在MIC裏面 這個大家比較好理解 比如說我們要選三個人吧 我們選三個人 如果我們現場有十個測量員 我們從這十個裏面隨機找了三個 那麼就叫隨機效應子 那什麼叫固定效應子啊 這十個人裏邊 我們不是隨機挑的啥啊 我們是由有就是我們自己主觀啊 故意的去選了啥 比如說張三李四王五對吧 我就選你們仨做MIC 那這個就叫固定效應子 還有一種情況是什麼 就是說我們現現場的測量員一共就三個人 完事吧 一百三個人全選了 那麼這個也叫固定效應子 這個也叫固定效應子