JMP 10将于三月发布。在接下来的几篇文章中，我计划分享以下方面的主要新功能：实验设计。这些新功能中最明显的是DOE菜单上的“评估设计”项。
评估设计功能有什么作用？
评估设计使您可以查看任何数据表的设计诊断，就好像它是设计的实验一样。
为什么有人要这样做？
我听说过使用此功能的两个常见原因。首先，教科书中有很多设计，希望将教科书设计的功能与JMP生产。其次，经常发生这样的情况：分析师从同事那里获取数据，并想找出数据是否能够充分支持各种模型可能性。
一个例子呢？
下表中的数据是Longley在美国统计协会杂志1967年。数据是计量经济数据。回答Y是衡量总就业的指标。X1到X6列是因素。例如，您可能会猜测X6实际上是日历年。
关于计量经济学数据的一件事是变量通常是相关的。当然，这些数据不是设计实验的结果。不过，我们可以使用设计诊断程序来说明为什么很难确定六个因素中的哪个因素真正在驱动响应。
您可以在JMP的Sample Data文件夹中的Longley.jmp文件中找到Longley数据。在启动对话框中输入X1-X6作为因子并将Y作为响应之后，我们看到的第一件事是设计空间图的分数。图中蓝线上的点表示数据相对于预测方差小于或等于图值的体积所占的比例。例如，垂直线落在X轴上，为0.5。水平线与垂直线在蓝色曲线上的某个点相交，并在大约100处撞击Y轴。对此的解释是，数据覆盖的空间的一半具有相对的预测方差小于100。相反，一半的体积的预测相对方差也大于100。
那是好是坏？
实际上，这太可怕了！表中有16行。如果可以控制X1到X6并执行最佳设计，则最坏的相对预测方差为0.4375。因此，在Longley数据区域的一半中，我们所做的预测方差比精心设计的实验中最差的预测因素组合要差200倍以上。
因此预测很糟糕–参数估计又如何呢？
下表显示了VIF（方差膨胀因子），用于估算主效应模型的系数。对于正交设计，每个系数的VIF为1。我们可以看到，由于数据设计不佳，未知参数的方差比正交设计要差2009倍。
这些不良诊断的原因是什么？
在“评估设计”报告中打开“关联上的颜色映射”大纲节点，将显示下图。不难发现，X1，X2，X5和X6几乎完全相关。因子之间的高度相关性导致较高的系数方差和较高的预测方差。
经济学家必须处理计量经济学数据。政府不对国民经济进行设计试验。通过这些诊断，我们可以理解为什么很难说为什么经济指标会像它们那样移动。
Longley撰写论文的原因之一是要强调使用此类历史数据来解释多元回归输出的困难。幸运的是，从精心设计的实验中得出结论要简单得多。
网址写道：
... [追溯]...
[...]您会在这里找到60555个更多信息：blogs.sas.com/content/jmp/2012/02/06/new-in-jmp-10-for-experiment-design-evaluate-design/ [.. 。] ...
关于JMP 10的十件事-JMP Blog写道：
除了对Custom Designer的这些改进之外，新的评估设计平台还允许您评估被视为设计的任何JMP数据表，更改模型和别名，并查看[...]。]
