📚 课程目录第1章课程导入与判读任务界定

1. 课程导入与判读任务界定

在试验设计（DOE）的实际工作中，二水平部分因子设计之所以被大量使用，是因为它用远少于全因子试验的试验次数，仍然能够估计多个因子的主效应和部分交互效应。但“少做试验”从来不是免费的：当试验次数被压缩到不足以容纳全部效应时，某些效应就会在数学上变得不可区分，这就是混杂（confounding）。混杂结构判读，就是要在拿到一个部分因子设计之后，准确回答三个问题：这个设计把哪些效应混在了一起？它能够干净地估计哪些效应？在什么条件下，我才能把某个别名项解释为真实效应而不是别的效应？本课程的全部内容，都围绕这三个问题展开。

为什么混杂结构必须“判读”而不是“记住”

很多初学者把部分因子设计当成一张固定的表：选一个分辨度，查一张别名表，然后照着表去解释结果。这种做法在简单场景下勉强可用，一旦遇到自定义生成关系、折叠设计、补充试验或部分折叠，就会立刻失效。原因在于，混杂结构不是设计类型自带的标签，而是由设计生成关系（design generators）推导出来的代数结果。同一个 2^5-2 设计，换一组生成关系，分辨度和别名结构就完全不同。因此，判读的核心能力是“从生成关系推出混杂结构”，而不是“背下某个设计的别名表”。

举个具体例子。考虑 5 个因子 A、B、C、D、E，做一个 8 次试验的 2^5-2 设计。若取生成关系 D = AB、E = AC，则定义关系为 I = ABD = ACE = BCDE。由此可推出：A 与 BD、CE 混杂；B 与 AD、CDE 混杂；C 与 AE、BDE 混杂；D 与 AB、BCE 混杂；E 与 AC、BCD 混杂；而 BC 与 DE、BE 与 CD 等二阶交互之间也两两混杂。这个设计的分辨度为 III，主效应不与主效应混杂，但主效应与二阶交互混杂。若换一组生成关系 D = ABC、E = ABC，则定义关系变为 I = ABCD = ABCE = DE，此时 D 与 E 直接混杂，分辨度降为 II，主效应之间就不可区分了。两组生成关系对应同一个“2^5-2 设计”的名称，混杂结构却天差地别——这正是必须判读的原因。

三个核心对象：分辨度、混杂别名、生成关系

生成关系是判读的起点。它规定了哪些高阶交互被用来“生成”额外的因子列，等价于定义了部分因子设计所选取的那个分数部分。生成关系写成等式形式（如 D = AB），把等式两边相乘并利用 A² = I 的性质，就得到定义关系（defining relation），它是整个混杂结构的“基因”。定义关系中包含的字长（word length）决定了分辨度（resolution）：最短字长为 III 即分辨度 III，最短字长为 IV 即分辨度 IV，依此类推。分辨度是一个快速筛选指标，它告诉你主效应、二阶交互各自最坏情况下会和什么阶数的效应混杂，但它不告诉你具体是哪一项和哪一项混杂——那必须回到定义关系逐项相乘才能得到混杂别名（alias）。

三者的关系可以概括为：生成关系决定定义关系，定义关系决定分辨度与全部别名结构。判读任务就是沿着这条链，从设计文件或软件输出中还原出生成关系，再系统地展开别名。下面的图示把这条判读链路和三个核心对象的关系画在一起，同时标出了判读时需要依次确认的关键节点。

判读任务的具体界定

把上面的链路落到操作层面，一次完整的混杂结构判读应当产出以下四类信息，缺一不可：

定义关系与分辨度：写出完整的定义关系，列出全部字长，取最短字长作为分辨度，并说明该分辨度下主效应、二阶交互各自“最坏”会和什么阶数的效应混杂。
完整别名结构：对每一个关心的效应（至少包括全部主效应和研究者重点关注的部分二阶交互），列出它的全部别名项，形成别名链。别名链的长度等于定义关系中非 I 项的个数加一。
可估计性判断：区分“可干净估计”“与其他效应混杂但可通过假设分离”“完全不可分辨”三类情形，并说明分离所依赖的专业假设（例如高阶交互可忽略）。
后续动作建议：若关键效应落在混杂链中无法解释，给出折叠、补点或更换生成关系的具体方向。

需要特别强调“可估计性判断”中的假设成分。分辨度 III 的设计中，主效应与二阶交互混杂，我们之所以常常仍能解释主效应，是因为默认三阶及以上的交互可忽略、且部分二阶交互可忽略。这是一个专业假设，不是数学结论。判读时必须把这一假设显式写出来，否则就会把“在假设下可解释”误当成“设计本身可分辨”。这是工程实践中出错最多的地方。

学习路径与判读工作底稿

本课程后续将沿着“生成关系 → 定义关系 → 分辨度 → 别名展开 → 折叠与补救 → 案例判读”的顺序推进，每一环都会给出可手算的示例，确保你离开软件也能独立完成判读。为了让你从第一章就有一个可复用的抓手，下面给出一份判读工作底稿的字段设计，后续章节的案例都可以填入这张表。表中数值为前述 2^5-2（D=AB, E=AC）示例的填写示范，属于教学示例，非实测结果。

字段	填写内容（示例）	判读要点
因子与试验数	k=5，8 次试验，2^5-2	确认 p=2，别名链长度为 4
生成关系	D=AB，E=AC	从软件输出或设计表反推，不可凭设计名称臆断
定义关系	I=ABD=ACE=BCDE	两两相乘，利用 A²=I 化简
分辨度	III（最短字长 3）	只作快速筛选，不替代别名展开
主效应别名	A↔BD,CE；B↔AD,CDE；…	逐项写出，标注哪些是二阶、哪些是三阶
关键交互别名	BC↔DE；BE↔CD	关注研究者真正关心的交互项
可估计性结论	主效应在“二阶交互可忽略”假设下可解释	假设必须显式写出
补救动作	若 BC 显著且无法分离，追加一次折叠试验	折叠后分辨度提升至 IV

判读时先写定义关系再谈分辨度，顺序不能颠倒。分辨度是定义关系的“摘要”，摘要不能替代原文；只报分辨度而不展开别名，等于没有完成判读。

最后明确本课程的目标边界：我们讨论的是二水平部分因子设计的结构判读，即设计与效应之间的代数关系，不涉及响应曲面优化、混料设计或区组化的完整理论；涉及折叠设计时，只讨论其对混杂结构的改变，不展开完整的折叠分析流程。掌握本章界定的这条判读链路，你就能在面对任何一个二水平部分因子设计时，独立回答“它混了什么、我能信什么、下一步该做什么”。