确定性筛选设计的新分析方法布拉德利·琼斯 (布拉德利琼斯), 博士, JMP 首席研究员, SAS
确定性筛选设计 (DSD) 是一种功能强大的新筛选方法，它为研究人员提供了一种了解主效应、双因子交互作用 (2FI) 和二次效应的方法，这些试验的运行次数大约是因子数量的两倍。 主效应彼此正交，并且与 2FI 和二次效应正交。 然而，2FI 和二次效应是相关的，尽管没有混淆。 尽管如此，这种相关性还是让万无一失的模型选择变得困难。 本次演讲展示了如何利用 DSD 的特殊结构来获得尽可能清晰的结果。
实验设计回复：确定性筛选设计的新分析方法<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />我愿意将 AddIn 发送给直接给我发电子邮件的个人用户bradley.jones@jmp.com . 这样，如果我进行增强或修复我发现的任何错误，我可以发送更新的插件。
回复：确定性筛选设计的新分析方法我正在使用覆盖阵列（JMP12 Pro 中的新功能）在许多不同场景下对 AddIn 进行软件测试。 假设新方法通过了所有测试，我将把它放在文件交换中。
回复：确定性筛选设计的新分析方法我也想知道插件是否已发布？ 我搜索了加载项，但没有看到 Bradley 在他的演讲中提到的那个。如果还没有发布，是否可以提供。谢谢你！
回复：确定性筛选设计的新分析方法感谢您对改进的 DSD 实验分析方法进行了精彩的介绍。DSD 分析插件是否会在 File Exchange 社区上可用？
谢谢，
凯文
