经典筛选设计与确定筛选设计大家好，
谁能给我总结一下经典筛选设计和DSD之间的区别？ 这两种方法的优缺点是什么
数据库
伊尔凡
回复：经典筛选设计与最终筛选设计由于每个因子的中心水平，您会失去功效和估计效率。它们在估计主效应的参数时没有影响力。你获得了一个能力真的筛选情况以（可能）避免额外的运行（增强）以便对高阶项进行建模。
在 JMP 社区博客中搜索“最终筛选设计”以获取更多详细信息和背景信息。 （对你来说比有很多问题的“来回”更容易。）
回复：经典筛选设计与最终筛选设计
嗨，吉姆，
当我进行此功效分析时，模型比较表明部分因子优于 DSD 的任何原因
数据库
伊尔凡
回复：经典筛选设计与最终筛选设计是的........
回复：经典筛选设计与最终筛选设计谢谢吉姆，这是否意味着与经典筛选设计相反，DSD 是要走的路？回复：经典筛选设计与最终筛选设计如果您已经定义了 DSD，并且您只是想分析数据，那么答案是肯定的。如果您需要设置 DSD，那么您将选择确定性筛选设计。
DOE 指南中涵盖了这方面的完整文档。看：
帮助==>书籍==>实验设计指南
回复：经典筛选设计与最终筛选设计你好吉姆，
这就是我们分析DSD表的方式吗？
R
数据库
伊尔凡
回复：经典筛选设计与最终筛选设计DSD 可从下拉菜单中获得
DOE==>确定性筛选==>确定性筛选设计
顺便说一句，DSD 的共同发明者 Brad Jones 是 JMP 的长期员工
回复：经典筛选设计与最终筛选设计谢谢吉姆回复：经典筛选设计与最终筛选设计你好卡梅伦，
谢谢你的回复
当你说 JMP 有一个专门的 DSD 平台时，你的意思是什么？我从哪里可以得到这个选项？
数据库
伊尔凡
回复：经典筛选设计与最终筛选设计DSD 实际上介于筛选和 RSM 之间。总体思路是，您可以筛选大量因素，并且仍然可以在一个非常有效的设计中为主动效应拟合一个不错的响应面。缺点是它们的分析要简单得多。在过去的几年里，在如何最好地分析 DSD 方面做了大量工作，而 JMP 现在有一个专门的 DSD 分析平台。使用链接研究该方法是值得的@txnelson提供，以及Brad Jones 在最近的 JMP Discovery 上的演讲.
经典筛选侧重于具有 2 水平因子的设计，以确定主动主效应，通常是 2 因子交互作用，有时是高阶交互作用。您可以添加中心点来检测曲率，但您无法对结果曲率进行建模，因为曲率的来源与多个连续因子不明确。好处是它们很容易分析。
回复：经典筛选设计与最终筛选设计这里有几个参考：
Jones, B. 和 Nachtsheim, C. (2011a)。 具有最小混叠的高效设计。 技术计量学，53、1、62 – 71。
Jones, B. 和 Nachtsheim, C. (2011b)。 一类存在二阶效应的确定性筛选的三级设计。 质量技术杂志，43, 1, 1 – 15。
此外，这里是 Brad Jones 2015 年发现演示文稿的链接
确定性筛选设计的新分析方法
