使用 JMP® Pro 和 R 進行明確篩選設計的模型選擇策略<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Philip Ramsey 博士，North Haven Group 所有者
Maria Weese 博士，邁阿密大學法默商學院分析學助理教授
Douglas Montgomery 博士，亞利桑那州立大學工業工程與統計學董事教授
Jones 和 Nachtsheim (2011) 引進了一種新型高效實驗設計，名為明確篩選設計 (DSD)。 該設計的高效率加上估計雙向交互作用和二次效應的能力使該設計成為實驗者有吸引力的選擇。 儘管 DSD 在工業界（尤其是生物技術領域）越來越流行，但迄今為止，在分析這些設計的最佳方法方面所做的工作卻很少。 在本次演講中，我們將討論綜合模擬研究的結果，以評估分析 DSD 實驗結果的幾種可能方法。 模擬場景會改變實驗因素的數量和主動效應的數量：主交互作用、二次交互作用和雙向交互作用。 模擬重點在於三種可能的模型選擇策略（使用AIC或BIC作為選擇標準）：1.前向選擇； 2. Dantzig 選擇器； 3.所有子集回歸。 這些技術將在檢測主動效應的能力（定義為正確識別真正主動因素的能力）以及非主動效應被識別為主動效應（I 類錯誤）和預測的次數方面進行對比和比較。能力。 此外，還將討論使用 JMP Pro 進行分析化學（糖譜分析）的案例研究，其中 DSD 與 CCD 並行運行。 討論將集中在兩種設計在主動效果方面的一致性，並為分析這些設計提供建議。 也將討論使用 JMP Pro 和 DSD 進行最佳化。
實驗設計預測建模
