使用JMP®Pro和R进行确定性筛选设计的模型选择策略<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />菲利普·拉姆西，博士，北黑文集团所有者
玛丽亚·韦斯（Maria Weese）博士，迈阿密大学农夫商学院分析学助理教授
道格拉斯·蒙哥马利（Douglas Montgomery），博士学位，亚利桑那州立大学工业工程与统计学教授
Jones和Nachtsheim（2011）引入了一种新型的高效实验设计，称为权威筛选设计（DSD）。设计的高效率以及估计双向交互作用和二次效应的能力使设计成为实验者的诱人选择。尽管DSD在工业中，尤其是在生物技术中变得越来越流行，但迄今为止，关于分析这些设计的最佳方法的工作还很少。在本次演讲中，我们将讨论全面模拟研究的结果，以评估几种可能的方法来分析DSD实验的结果。仿真方案会改变实验因素的数量和有效作用的数量：主，二次和双向交互。模拟着重于三种可能的模型选择策略（使用AIC或BIC作为选择标准）：1。前向选择； 2。Dantzig选择器；和3。所有子集回归。将对这些技术进行对比和比较，以检测主动效应的能力（定义为正确识别真实主动因子的能力），以及将非主动效应识别为主动（类型I错误）和预测性的次数能力。此外，还将讨论使用JMP Pro来自分析化学（糖谱分析）的案例研究，其中DSD与CCD并行运行。讨论将集中于两种设计在主动效果方面的一致性，并为分析这些设计提供建议。也将提供有关使用JMP Pro和DSD进行优化的讨论。
实验设计预测建模
