我发现蓝皮书中的响应曲面以及混料设计如果按照一般线性模型来进行方差分析，则会因为因子水平过多的原因，无法进行下去。书中的分析直接是采用的是回归模型，比如A因子3个水平，B因子也是3个水平，两个的交互作用应该为4个自由度，但是书中回归模型仅仅是A*B项，这仅仅是交互作用的一个分量。
是不是在这种情况，使用回归拟合是可以的，但是无法准确估计因子的各项效应？
初学，还请大家指点！

实验有两个基本目的：1.明确哪些自变量x显著的影响着y;2.找出y与x之间的关系，从而进一步找出自变量X取什么值时将会使y达到最佳值。
为了明确哪些自变量x显著的影响着y一般使用全因子设计或部分因子设计，也可以称之为因子筛选，删除不显著的因子。这个时候一般比较粗略。当然这个时候也能求出回归方程，如果回归方程无弯曲或弯曲不明显（通过中心点因子响应）说明在这个因子高、低水平区域内还找不到最佳值（望大、望小型）。通过最速上升方法寻找试验最优区域，在已经确认为最优区域的范围内，进行响应曲面试验。（CCD或BB设计）

响应曲面设计（通常因子不超过3个）比全因子设计所要求的试验次数要多，只有线性回归呈现明显的弯曲才能使用。它是用来实现试验的第2个目的，找出y与x之间的关系，从而进一步找出自变量X取什么值时将会使y达到最佳值。