确定性筛选设计是否适合多重响应？亲爱的 JMP 社区：
在 DOE 筛选多重响应因素的情况下，我尝试使用 DFD（最终筛选设计）。
然而，结果仅筛选了重要因素个人回应。 我更有兴趣了解影响所有回复的重要因素。
在针对多重响应的标准筛选设计（分数因子 Res III、Res IV 或 Res V）中，我可以获得包含所有响应（而不是单独响应）的重要因素的结果。
DFD 是否可以为多重响应提供这种结果？
谢谢并注意安全。
兄弟，
克里斯
回复：确定性筛选设计是否适合多重响应？我对您使用“个人回应”和“多重回应”这两个短语的方式感到有点困惑。 如果使用嵌入在使用最终筛选设计平台创建的 JMP 数据表中的 Fit Definitive Screening Design 脚本（或 Fit Definitive Screening Design 本机平台），我可以对报告中的每个响应进行单独且不同的分析，就像我想要的那样使用拟合模型平台。 我不一定会得到模型、显着效应等的相同答案，因为拟合最终筛选脚本/平台有内置逻辑/工作流程，部分原因是工作流程利用了有关效应遗传和稀疏性的一些假设。 有关此工作流程的详细信息位于此处的 JMP 在线文档中：
https://www.jmp.com/support/help/en/15.1/#page/jmp/the-fit-definitive-screening-platform.shtml#
回复：确定性筛选设计是否适合多重响应？简短的回答是，是的，最终的筛选设计适合具有多种反应的情况。
使用 DSD 而非其他设计方法的考虑因素与响应数量无关。 他们更需要决定这是否是筛查情况。 也就是说，您是否期望关键筛选原则成立，并且这不是 DSD 不打算处理的情况之一（请参阅 Bradley Jones 博客文章）。
如果您指的是使用“拟合最终筛选”选项来选择模型，则响应将单独拟合。 这种分析方案不可能同时有多个响应。 您可以保存每个响应的拟合模型，然后通过选择图形 > 刻画器将它们组合起来。 您将能够检查每个因素如何影响所有响应。 （通常认为最佳实践是为每个响应单独拟合最佳模型。）
其他设计选择生成模型表脚本。 默认情况下，JMP 将联合拟合多个响应，但您可以覆盖该选择。 拟合通用模型仍然可以确定各个参数估计值，但该模型对于每个响应都包含相同的项。 效果摘要显示了最显着（最小 p 值）的每个响应项的结果。
如果您喜欢这种行为，您可以通过从“分析”>“拟合模型”开始，使用相同的“拟合最小二乘法”平台来分析 DSD 实验。 如果其他行为更适合您的目的，您始终可以控制并选择其他行为。
